用四列数值数据做knn分类代码实例

在Python中，我们可以使用scikit-learn库来实现K-近邻(KNN)算法，包括处理四列数值数据作为特征进行分类。下面是一个简单的KNN分类的例子：

# 导入所需的库
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 假设我们有四列数值数据 X (特征) 和 y (标签)
X = np.array([[数值1_1, 数值1_2, 数值1_3, 数值1_4], [数值2_1, 数值2_2, 数值2_3, 数值2_4], ...])  # 样本特征矩阵
y = [类别1, 类别2, ..., 类别n]  # 样本对应的标签列表

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建KNN分类器，假设k值为5
knn = KNeighborsClassifier(n_neighbors=5)

# 使用训练数据拟合模型
knn.fit(X_train, y_train)

# 预测测试集
predictions = knn.predict(X_test)

# 输出预测结果
print("Predictions:", predictions)

#

相关问题

R语言对于混合型分类变量的数据进行knn预测的代码实例（有数据）及如何对分类变量的数据进行编码

R语言中，对于混合型分类变量（包含数值和分类特征）的数据，通常先需要将分类变量进行编码，以便KNN（K-Nearest Neighbors）算法可以处理。这里我们假设你有一个名为`data`的数据框，其中包含一列分类变量`category`和一些数值变量。

首先，我们需要加载必要的库，如`caret`, `kknn`以及`dplyr`：

library(caret)
library(kknn)
library(dplyr)

接着，我们需要对分类变量进行编码。你可以选择常见的编码方式，如哑编码（One-Hot Encoding）。如果你的类别不多，可以使用`dummyVars`函数：

encoded_data <- dummy.data.frame(data$category, stringsAsFactors = FALSE)
data_encoded <- merge(data, encoded_data, all = TRUE) %>% select(-category)

如果类别很多，考虑使用`forcats`包的`fct_collapse`或`fct_recode`来简化编码：

data_encoded$category_encoded <- fct_collapse(data$category, new_levels = c("level1" = levels(data$category)[1], "level2" = levels(data$category)[2]))

然后我们可以对数据进行预处理，比如划分训练集和测试集：

set.seed(123) # 设置随机种子
train_index <- createDataPartition(data_encoded$target_variable, p = .8, list = FALSE)
training_data <- data_encoded[train_index, ]
testing_data <- data_encoded[-train_index, ]

最后，你可以使用`kknn`函数来进行KNN预测：

model_kknn <- kknn(target_variable ~ ., training_data, testing_data, k = 5) # 假设target_variable是你想要预测的变量

titanic数据集KNN算法

### 使用KNN算法处理Titanic数据集

#### 导入必要的库
为了使用K近邻(KNN)算法对泰坦尼克号(Titanic)数据集进行处理，首先需要导入所需的Python库。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

#### 加载并探索数据
加载Titanic数据集，并初步了解其结构和内容。假设数据已经存储在一个CSV文件中。

# 加载数据
data = pd.read_csv('path_to_titanic_dataset.csv')

# 显示前几行记录以观察数据格式
print(data.head())

#### 数据清洗与预处理
对于缺失值、分类变量等问题进行适当处理，确保输入特征适合用于训练模型。

- **处理缺失值**

对于年龄(Age)列中的NaN值可以采用均值填充；而对于登船港口(Embarked)这样的离散属性，则可以选择众数或其他策略填补空白项。

- **转换类别型变量**

将性别(Sex)，乘客等级(Pclass)，以及登船地点(Embarked)等非数值字段编码成整数形式以便后续计算距离度量时不会出现问题。

# 处理Age列的缺失值
mean_age = data['Age'].mean()
data['Age'] = data['Age'].fillna(mean_age)

# Embarked列用最频繁出现的值替换NA
most_frequent_embarkation_port = data['Embarked'].mode()[0]
data['Embarked'] = data['Embarked'].fillna(most_frequent_embarkation_port)

# 性别映射 {'male': 1, 'female' : 0}
gender_mapping = {"male": 1, "female": 0}
data["Sex"] = data["Sex"].map(gender_mapping).astype(int)

# 登船口编码 {C: 0, Q: 1, S: 2} 或者使用pandas.get_dummies方法创建虚拟变量
embarked_mapping = {"S": 0, "C": 1, "Q": 2}
data["Embarked"] = data["Embarked"].map(embarked_mapping).astype(int)

#### 特征选择
挑选有助于提高预测性能的关键特性作为最终输入给定模型使用的X矩阵的一部分。

features = ['Pclass', 'Sex', 'Age', 'Fare', 'Embarked']
X = data[features]

y = data['Survived']  # 生存状态为目标标签

#### 划分训练集和测试集
将原始数据划分为两个部分——一部分用来拟合模型参数（即训练），另一部分则保留下来验证模型泛化能力的好坏程度。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)[^1]

#### 标准化特征向量
由于KNN是一种基于欧氏距离测量相似性的算法，在应用之前通常会对各维度上的尺度差异做标准化调整，使得每种类型的贡献更加均衡合理。

scaler = StandardScaler().fit(X_train)
X_train_scaled = scaler.transform(X_train)
X_test_scaled = scaler.transform(X_test)

#### 构建并训练KNN分类器
实例化`KNeighborsClassifier`对象指定邻居数量k后即可利用已知样本来估计未知样本所属类别。

classifier = KNeighborsClassifier(n_neighbors=3)
classifier.fit(X_train_scaled, y_train)

#### 预测及评价指标
运用经过训练后的模型去推测新观测点的结果，并通过多种方式衡量实际效果好坏与否。

predictions = classifier.predict(X_test_scaled)

accuracy = accuracy_score(y_true=y_test, y_pred=predictions)
confusion_mat = confusion_matrix(y_true=y_test, y_pred=predictions)
report = classification_report(y_true=y_test, y_pred=predictions)

print(f"Accuracy Score: {accuracy:.4f}")
print("\nConfusion Matrix:")
print(confusion_mat)
print("\nClassification Report:\n", report)