基础版本：用KNN算法实现预测facebook签到位置模型的训练

# 导包

# 导入数据

# 数据处理

# 特征工程

# KNN算法预估流程

# 模型评估

1 # 导包
2 
3 import pandas as pd # 使用其文件操作
4 from sklearn.preprocessing import StandardScaler # 用来实现数据标准化
5 from sklearn.neighbors import KNeighborsClassifier # 预估器
6 from sklearn.model_selection import GridSearchCV # 网格搜索和交叉验证
7 from sklearn.model_selection import train_test_split # 可将数据分为训练集和测试集

# 导入数据

data = pd.read_csv('train.csv')  

# read_csv（）是pandas里面的一个函数，用于读取.cvs文件，这里接的是相对路径，也可以是绝对路径

# 数据处理


# 1)偷懒：减少数据（练习专属）
data = data.copy()
data = data.query("x < 2.5 & x > 2 & y < 1.5 & y > 1.0")
# 2)把时间特征转换成更有意义的年月日
time = pd.to_datetime(data["time"], unit="s")
t = pd.DatetimeIndex(time)
data["day"] = t.day
data["weekday"] = t.weekday
data["hour"] = t.hour
# 3）过滤签到次数少的地方
place_count = data.groupby("place_id").count()["row_id"]
data_final = data[data["place_id"].isin(place_count[place_count>3].index.values)]
# 4)筛选特征值和目标值
x = data_final[["x","y","accuracy","day","weekday","hour"]] 
y = data_final["place_id"]

# 特征工程：标准化

# 数据集划分
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1) 
#random_state是种子，一样的种子表示一样的分法

# 标准化 
# 实例化一个预估器
transfer = StandardScaler()
# 把数据标准化
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test) 

# 注：以上x_test是用transform方法，是应为fit_transform方法实际上可以分为两个方法，
　　一个是fit，一个是transform，fit是用来计算数据的标准差和平均数，transform是用来
　　转化数据的，在第一次使用fit_transform时，transfer里面已经通过fit得到了x_train
　　的标准差和平均值了，为了数据标准化更加真实，所以x_test也要用一样的标准差和平均值，
　　这就是x_test使用transform的原因

# KNN算法预估流程
# 实例化一个预估器
estimator = KNeighborsClassifier()

#使用网格搜索和CV优化
estimator = GridSearchCV(estimator=estimator, param_grid={"n_neighbors": [3, 5, 7, 9]}, cv=3)
# 第一个参数是一个预估器；
第二个参数表示的是需要进行网格搜索的所有K值，值为字典或者列表；第三个参数是交叉验证的折数

estimator.fit(x_train, y_train) # 这个是输入训练的特征值和目标值，然后训练模型

# 模型评估
# 方法一：查看预测的目标值
y_predict = estimator.predict(x_test)
print("y_predict:\n", y_predict)

# 方法二：直接查看准确率
score = estimator.score(x_test, y_test)
print("准确率为：", score)

# 查看优化后端最佳参数
print("最佳参数:", estimator.best_params_)
print("最佳结果:", estimator.best_score_)
print("最佳估计器:", estimator.best_estimator_)
print("最佳验证结果:", estimator.cv_results_)