knncls.py

import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler


def knn():
    """
    用 KNN 算法预测用户入住位置
    :return: None
    """
    # 1. 读取数据
    data = pd.read_csv("./train.csv")

    # 2. 对数据进行简单的处理

    # 缩小范围
    data = data.query("x > 1.0 &  x < 1.25 & y > 2.5 & y < 2.75")
    print("data.size: ", data.size)

    # 时间数据处理
    time = pd.to_datetime(data['time'], unit='s')
    # 将时间格式化并加入数据集中，同时删除原来时间特征
    time = pd.DatetimeIndex(time)
    # 关闭难看的警告
    pd.set_option('chained_assignment', None)
    data.loc[:, 'day'] = time.day
    data.loc[:, 'hour'] = time.hour
    data.loc[:, 'weekday'] = time.weekday
    data = data.drop(['time'], axis=1)

    # 样本数量处理
    # 先进行分组
    place_group_count = data.groupby('place_id').count()
    # print(place_group_count)
    print("---------------分组成功------------------")
    # 筛选符合条件的分组，并重置列表
    reset_group = place_group_count[place_group_count.row_id > 200].reset_index()
    print("---------------重置列表成功------------------")

    # 取出 data 和 reset_group 具有相同数据的样本
    data = data[data['place_id'].isin(reset_group.place_id)]
    print("---------------取出相同数据样本成功------------------")
    # 取特征值
    y = data['place_id']
    x = data.drop(['place_id'], axis=1)
    print("---------------取出特征值和目标值成功------------------")

    # 3. 数据集分割训练
    # 分割
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)
    print("---------------分割数据集成功------------------")

    # 数据标准化，添加 astype 去警告
    std = StandardScaler()
    x_train = std.fit_transform(x_train.astype(float))
    x_test = std.transform(x_test.astype(float))
    print("---------------数据标准化成功------------------")

    # KNN 核心
    knn = KNeighborsClassifier(n_neighbors=5)
    # 数据填充
    knn.fit(x_train, y_train)
    # 训练
    # 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("预测的准确率为:", knn.score(x_test, y_test))
    return None


if __name__ == '__main__':
    knn()