分类和回归

了解

分类【classification】

预测男女，预测是否通过考试等

　　分类是求topk中出现最多的类别

回归【regression】

预测体重、房价、损失等

　　回归是求topk的value的平均值

与knn的关系

在对一个问题进行预测前，要分清这个问题属于哪一类，每一类有对应的数学模型区解决。

knn刚好都是适用于这两个模型

案例

房价预测

1、手动填充数据预测

import numpy as np

feature = np.array([
    [84,83],
    [84.1,85],
    [84.2,84],
    [84.3,84.5],
    [85,83.6]
])
label = np.array([
    200,250,234,246,243
])

# 预测点
predictPoint = np.array([84.2,85.2])

"""
欧氏距离计算
"""
# 矩阵减向量（广播）
matritemp = (feature - predictPoint)

matritemp2 = np.square(matritemp)

# axis=1 ：逐行相加
sortindex = np.argsort(np.sqrt(np.sum(matritemp2,axis=1)))

sortlabel = label[sortindex]

# k：训练集的开平方
k = 2
predictPrice = np.sum(sortlabel[0:k]) / k
print(f'位置是{predictPoint}处预测的房价是{predictPrice}万')

"""
位置是[84.2 85.2]处预测的房价是248.0万
"""

2、自动加载数据集

选用 boston.csv ：数据集介绍 

import numpy as np

def knn(k,predictPoint,feature,label):
    """
    欧氏距离计算
    """
    # 矩阵减向量（广播）
    matritemp = (feature - predictPoint)

    matritemp2 = np.square(matritemp)

    # axis=1 ：逐行相加
    sortindex = np.argsort(np.sqrt(np.sum(matritemp2,axis=1)))

    sortlabel = label[sortindex]

    predictPrice = np.sum(sortlabel[0:k]) / k
    return predictPrice

if __name__ == '__main__':
    feature = np.loadtxt("boston.csv",delimiter=",",skiprows=1,usecols=(0,1,2,3,8,10))
    label  = np.loadtxt("boston.csv",delimiter=",",skiprows=1,usecols=(12))
    predictPoint = np.array([0.02055,85,0.74,0,2,17.3])
    print(knn(22,predictPoint,feature,label))

"""
原来的：24.7
预测的：30.822727272727263
"""

3、数据归一化和标准化

归一化

import numpy as np

test = np.array([10,11,121,15,2,1555,65])

print((test - np.min(test)) / (np.max(test) - np.min(test)))

"""
[0.00515132 0.00579524 0.07662589 0.0083709  0.         1.
 0.04056665]
"""

标准化

使数据成正态分布

import numpy as np

test = np.array([
    [1,8],
    [8,5],
    [2,9]
])

mean = (np.mean(test[:,1]))
std = np.std(test[:,1])

print((test[:,1] - mean) / std)

"""
[-0.86266219  1.40182605 -0.53916387]
[ 0.39223227 -1.37281295  0.98058068]
"""