一、k-近邻算法(分类算法)
k-近邻算法：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
相似的样本，同一特征的值应该是相近的。
k的取值会影响结果。
1、计算k-近邻距离公式
两个样本的距离可以通过如下公式计算，又叫欧式距离。需要事先对数据进行标准化处理。
比如说，a(a1,a2,a3)，b(b1,b2,b3) 间的距离=
(
a
1
−
b
1
)
2
+
(
a
2
−
b
2
)
2
+
(
a
3
−
b
3
)
2
\sqrt{(a_1-b_1)^2+(a_2-b_2)^2+(a_3-b_3)^2}
(a1−b1)2+(a2−b2)2+(a3−b3)2
2、sklearn的k-近邻算法Api
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)
- n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数
- algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)
3、k-近邻算法实例流程
3.1 数据集的处理
- 缩小数据集范围：DataFrame.query()
- 处理日期数据：pd.to_datetime、pd.DatetimeIndex
- 增加分割的日期数据
- 删除没用的日期数据：pd.drop
- 将签到位置少于n个用户的删除
place_count =data.groupby(‘place_id’).aggregate(np.count_nonzero)
tf = place_count[place_count.row_id > 3].reset_index()
data = data[data[‘place_id’].isin(tf.place_id)]