Python机器学习手册：从数据预处理到深度学习

260

｜

第

15

章

KNN

最后，正如

15.1

节中讨论的，因为计算距离时所有的特征被认为是在同一单位下的，所

以在使用

KNN

分类器之前标准化特征是很重要的。

15.3

　确定最佳的邻域点集的大小

问题描述

为

KNN

分类器找到最佳的

k

值。

解决方案

使用

GridSearchCV

这样的模型选择技术 ：

#

加载库

from sklearn.neighbors import KNeighborsClassifier

from sklearn import datasets

from sklearn.preprocessing import StandardScaler

from sklearn.pipeline import Pipeline, FeatureUnion

from sklearn.model_selection import GridSearchCV

#

加载数据

iris = datasets.load_iris()

features = iris.data

target = iris.target

#

创建

standardizer

standardizer = StandardScaler()

#

标准化特征

features_standardized = standardizer.fit_transform(features)

#

创建一个

KNN

分类器

knn = KNeighborsClassifier(n_neighbors=5, n_jobs=-1)

#

创建一个流水线 ...