题目分析
- 特征值：x，y 坐标、定位准确性、时间
- 目标值：入住位置的 id
处理
- 由于数据量大，节省时间 x，y范围缩小（原为10平方公里，即0<x<10,0<y<10）
- 时间戳转换为 年月日周时分秒 当作新的特征
- 由于入住位置太多，指定少于签到人数的位置删除
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import pandas as pd
def knncls():
'''
K-近邻预测用户签到位置
:return:None
'''
# 读取数据
data = pd.read_csv('./facebook-v-predicting-check-ins/train.csv')
#print(data.head(10))
# 处理数据
# 1.缩小数据 按照x，y坐标 查询数据筛选
data = data.query("x > 1.0 & x < 1.25 & y > 2.5 & y < 2.75")
# 处理时间数据 # 最小为秒
time_value = pd.to_datetime(data['time'],unit='s')
# 把日期格式转换成 字典格式
time_value = pd.DatetimeIndex(time_value)
# 构造一些特征
data['day'] = time_value.day
data['hour'] = time_value.hour
data['weekday'] = time_value.weekday
# 把时间戳特征删除 1表示列
data = data.drop(['time'],axis=1)
data = data.drop(['row_id'],axis=1)
#print(data.head(10))
# 把签到数量少于n个目标位置删除
#place_count = +data.groupby('place_id').count()
#tf = place_count[place_count.row_id > 3].reset_index()
#data = data[data['place_id'].isin(tf.place_id)]
# 取出数据中的特征值和目标值
y = data['place_id']
x = data.drop(['place_id'],axis=1)
# 进行数据的分割训练集合测试集
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.25)
# 特征工程 （标准化）
std = StandardScaler()
# 对测试集和训练集的特征值进行标准化
x_train = std.fit_transform(x_train)
x_test = std.transform(x_test)
# 进行算法流程
knn = KNeighborsClassifier(n_neighbors=5)
# fit,predict,score
knn.fit(x_train,y_train)
# 得出预测结果
y_predict = knn.predict(x_test)
print('预测的目标签到位置为：',y_predict)
# 得出准确率
print('预测准确率：',knn.score(x_test,y_test))
return None
if __name__ == '__main__':
knncls()
# 运行结果
预测的目标签到位置为： [5035268417 4932578245 2460093296 ... 4932578245 5606572086 3992589015]
预测准确率： 0.44037940379403795
撰写