由于简书不支持目录结构。文章备份了一份在gitbook，结构更清晰，地址：https://book.markgao.me/

---

机器学习流程回顾

回顾

1.将数据集分成训练数据集合测试数据集
2.将训练数据集进行归一化
3.使用训练数据集的均值和方差将测试数据集归一化
4.使用训练数集训练处模型
5.使用归一化后的测试数据集测试分类的准确度（accuracy）
6.使用网格搜索寻找最好的超参数，然后回到1-5

机器学习总过程

1

数据归一化总过程

2

---

1.将数据集分割成测试数据集合训练数据集

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y)

2.将数据集进行归一化处理

from sklearn.preprocessing import StandardScaler
standardScaler = StandardScaler()
# 存放了均值方差归一化所对应的信息
standardScaler.fit(X_train)
X_train = standardScaler.transform(X_train)
X_test = standardScaler.transform(X_test)

3.创建一个KNeighborsClassifier 对象

from sklearn.neighbors import KNeighborsClassifier
sklearn_knn_clf = KNeighborsClassifier(n_neighbors=6)

4.使用KNeighborsClassifier 对象进行fit创建出模型

sklearn_knn_clf.fit(X_train,y_train)

5.使用训练数据集得出分类准确度

sklearn_knn_clf.score(X_test,y_test)

6.使用我们的模型预测新的数据

y_predict = sklearn_knn_clf.predict(X_test)

7.探索超参数

# array<dict<参数名：参数可能的取值>>
param_grid =[
    {
        'weights':['uniform'],
        'n_neighbors': [i for i in range(1,11)]
    },
    {
        'weights':['distance'],
        'n_neighbors': [i for i in range(1,11)],
        'p': [i for i in range(1,6)]
    }
]

# 先new一个默认的Classifier对象
knn_clf = KNeighborsClassifier()

# 调用GridSearchCV创建网格搜索对象，传入参数为Classifier对象以及参数列表
from sklearn.model_selection import GridSearchCV

grid_search = GridSearchCV(knn_clf,param_grid)

# 调用fit方法执行网格搜索
%%time
grid_search.fit(X_train,y_train)

# 获得最好的评估结果，返回的是KNeighborsClassifier对象，可以直接拿来做机器学习预测了
grid_search.best_estimator_

# 最好的分数
grid_search.best_score_

# 最好的参数
grid_search.best_params_