目錄

一、讀取數據

二、 數據處理

1、縮小數據范圍

2、得到正常時分秒

?2-1、時間戳化時分秒

2-2、得到時間列表

2-3、添加時間信息到數據data中

3、得到數據集

3-1、獲取各地點簽到次數

3-2、過濾簽到次數過少的地點

3-3、篩選特征值和目標值

3-4、數據集劃分

4、特征工程（標準化）

5、KNN算法預估器訓練

6、模型評估

總代碼

---

特征值：坐標、準確度、hour、day、weekday。

目標值：地址id。

一、讀取數據

文件下載地址1（推薦）：?train.rar（train.csv，facebook簽到信息）-機器學習文檔類資源-CSDN下載

文件下載地址2（不推薦）：

https://pan.baidu.com/s/17DeVm48VRG0tlEzQM0KfSA?
提取碼：gx4a

# 1、讀取數據
data = pd.read_csv('train.csv')

二、 數據處理

可以看出，上面的數據量非常大。

1、縮小數據范圍

# 2-1、縮小數據范圍
data = data.query('x>2.0 & x<2.5 & y>1.0 & y<1.5')

2、得到正常時分秒

可以看到時間戳是這種，需要轉換成時分秒。

?

?2-1、時間戳化時分秒

# 2-2、轉換時間戳為時分秒
time_value = pd.to_datetime(data['time'], unit='s')

?

2-2、得到時間列表

# 獲取時間列表
time_list = pd.DatetimeIndex(time_value)

2-3、添加時間信息到數據data中

# 添加時間信息到數據data中
data['hour'] = time_list.hour
data['day'] = time_list.day
data['weekday'] = time_list.weekday

3、得到數據集

3-1、獲取各地點簽到次數

# 3、過濾簽到次數過少的地點
place_count = data.groupby('place_id').count()['row_id']

3-2、過濾簽到次數過少的地點

# 3-2、過濾簽到次數過少的地點
place_count = place_count[place_count>3]

?

可以看出，現在的簽到次數都是在3次以上了，3次及以下的已經被過濾掉了。?

?獲得簽到次數過少地點的索引：

index = data['place_id'].isin(place_count.index)

?過濾：

data = data[index]

3-3、篩選特征值和目標值

選取特征值和目標值

train = data[['x', 'y', 'accuracy', 'hour', 'day', 'weekday']]  #特征值
target = data['place_id']                                       #目標值

3-4、數據集劃分

# 3-4、數據集劃分
train_data, test_data, train_target, test_target = train_test_split(train, target)

4、特征工程（標準化）

# 4、特征工程（標準化）
transfer = StandardScaler()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)
# 注：不進行fit處理：測試集要用訓練集的特征值和標準差（否則測試集就是在自己對自己進行測試，沒有意義）
# 注：target是目標值，不能進行標準化（所以train_target和test_target不進行標準化）

5、KNN算法預估器訓練

# 5、KNN算法預估器
# 5-1、得到預估器
estimator = KNeighborsClassifier()          #后面會有超參數搜索，這里先不用設置k值
# 5-2、超參數搜索（模型選擇與調優）：得到最佳k值（最佳預估器）
# 1、參數準備
param_dict = {'n_neighbors':[3,5,7,9]}
# 2、開始搜索
estimator = GridSearchCV(estimator, param_dict, cv=3)
#                       預估器       參數范圍     選擇次數
# 5-3、訓練（用預估器對訓練值進行訓練）
estimator.fit(train_data, train_target)

6、模型評估

# 6、模型評估
# 6-1、得到預測結果
predict = estimator.predict(test_data)
print(predict)
# 6-2、對比預測值和測量目標值
print("直接比對預測值和測量目標值：\n", predict==test_target)
# 6-3、得到準確率（對比特征集和目標集測試值）
score = estimator.score(test_data, test_target)
print("準確率：\n", score)

總代碼

# 簽到地址預估
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV# 1、讀取數據
data = pd.read_csv('train.csv')# 2、數據處理
# 2-1、縮小數據范圍
data = data.query('x>2.0 & x<2.5 & y>1.0 & y<1.5')# 2-2、轉換時間戳為時分秒
time_value = pd.to_datetime(data['time'], unit='s')
# 獲取時間列表
time_list = pd.DatetimeIndex(time_value)
# print(time_list)# 添加時間信息到數據data中
data['hour'] = time_list.hour
data['day'] = time_list.day
data['weekday'] = time_list.weekday# 3、過濾簽到次數過少的地點
# 3-1、獲取各地點簽到次數
place_count = data.groupby('place_id').count()['row_id']# 3-2、過濾簽到次數過少的地點
place_count = place_count[place_count>3]
# 獲取簽到次數過少地點的索引
index = data['place_id'].isin(place_count.index)
# 過濾
data = data[index]# 3-3、篩選特征值和目標值
train = data[['x', 'y', 'accuracy', 'hour', 'day', 'weekday']]  #特征值
target = data['place_id']                                       #目標值# 3-4、數據集劃分
train_data, test_data, train_target, test_target = train_test_split(train, target)# 4、特征工程（標準化）
transfer = StandardScaler()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)
# 注：不進行fit處理：測試集要用訓練集的特征值和標準差（否則測試集就是在自己對自己進行測試，沒有意義）
# 注：target是目標值，不能進行標準化（所以train_target和test_target不進行標準化）# 5、KNN算法預估器
# 5-1、得到預估器
estimator = KNeighborsClassifier()          #后面會有超參數搜索，這里先不用設置k值
# 5-2、超參數搜索（模型選擇與調優）：得到最佳k值（最佳預估器）
# 1、參數準備
param_dict = {'n_neighbors':[3,5,7,9]}
# 2、開始搜索
estimator = GridSearchCV(estimator, param_dict, cv=3)
#                       預估器       參數范圍     選擇次數
# 5-3、訓練（用預估器對訓練值進行訓練）
estimator.fit(train_data, train_target)# 6、模型評估
# 6-1、得到預測結果
predict = estimator.predict(test_data)
print(predict)
# 6-2、對比預測值和測量目標值
print("直接比對預測值和測量目標值：\n", predict==test_target)
# 6-3、得到準確率（對比特征集和目標集測試值）
score = estimator.score(test_data, test_target)
print("準確率：\n", score)print(data)

總結

以上是生活随笔為你收集整理的机器学习（实战）facebook地址预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。