作者 | Japson

來源 | 木東居士

0x01 前言

在《機(jī)器學(xué)習(xí)的敲門磚：kNN算法（上）》中，我們了解了非常適合入門機(jī)器學(xué)習(xí)的算法：k近鄰算法。

我們學(xué)習(xí)了kNN算法的流程，并且在jupyter notebook上手動(dòng)實(shí)現(xiàn)了代碼，并且在外部也進(jìn)行了封裝。最后我們學(xué)習(xí)了sklearn中的kNN算法。

在品嘗到“實(shí)踐”的勝利果實(shí)后，我們不僅有一個(gè)疑問：

思想如此樸素的kNN算法，它的效果怎樣樣？預(yù)測(cè)準(zhǔn)確率高不高？在機(jī)器學(xué)習(xí)中如何評(píng)價(jià)一個(gè)算法的好壞？我們?cè)?a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機(jī)器學(xué)習(xí)過程中還有需要注意那些其他的問題呢？

在這篇文章中，我們使用訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集來判斷模型的好壞，給出并實(shí)現(xiàn)accurcay這一分類問題常用指標(biāo)。最后我們?cè)偬綄こ瑓?shù)的選擇對(duì)模型的影響。

0x01 判斷模型好壞

1.1 訓(xùn)練數(shù)據(jù)集&測(cè)試數(shù)據(jù)集

我們已經(jīng)興致勃勃的訓(xùn)練好了一個(gè)模型了，問題是：它能直接拿到生產(chǎn)環(huán)境正確使用么？

• 我們現(xiàn)在只是能拿到一個(gè)預(yù)測(cè)結(jié)果，還不知道這個(gè)模型效果怎么樣？
• 預(yù)測(cè)的結(jié)果準(zhǔn)不準(zhǔn)
• 如果拿到真實(shí)環(huán)境，其實(shí)是沒有l(wèi)abel的，我們?cè)趺磳?duì)結(jié)果進(jìn)行驗(yàn)證呢？

實(shí)際上，從訓(xùn)練好模型到真實(shí)使用，還差著遠(yuǎn)呢。我們要做的第一步就是：

將原始數(shù)據(jù)中的一部分作為訓(xùn)練數(shù)據(jù)、另一部分作為測(cè)試數(shù)據(jù)。使用訓(xùn)練數(shù)據(jù)訓(xùn)練模型，再用測(cè)試數(shù)據(jù)看好壞。即通過測(cè)試數(shù)據(jù)判斷模型好壞，然后再不斷對(duì)模型進(jìn)行修改。

1.2 鳶尾花train_test

鳶尾花數(shù)據(jù)集是UCI數(shù)據(jù)庫中常用數(shù)據(jù)集。我們可以直接加載數(shù)據(jù)集，并嘗試對(duì)數(shù)據(jù)進(jìn)行一定探索：

import numpy as npfrom sklearn import datasetsimport matplotlib.pyplot as plt
iris = datasets.load_iris()
X = iris.data
y = iris.target
X.shape
輸出：(150, 4)
X.shape
輸出：(150,)

我們下面進(jìn)行訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集的拆分工作（train_test_split）。

一般情況下我們按照0.8:0.2的比例進(jìn)行拆分，但是有時(shí)候我們不能簡(jiǎn)單地把前n個(gè)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，后n個(gè)作為測(cè)試數(shù)據(jù)集。

比如下面這個(gè)，是有順序的。

為了解決這個(gè)問題，我們可以將數(shù)據(jù)集打亂，做一個(gè)shuffle操作。但是本數(shù)據(jù)集的特征和標(biāo)簽是分開的，也就是說我們分別亂序后，原來的對(duì)應(yīng)關(guān)系就不存在了。有兩種方法解決這一問題：

• 將X和y合并為同一個(gè)矩陣，然后對(duì)矩陣進(jìn)行shuffle，之后再分解
• 對(duì)y的索引進(jìn)行亂序，根據(jù)索引確定與X的對(duì)應(yīng)關(guān)系，最后再通過亂序的索引進(jìn)行賦值

第一種方法

首先看第一種方法：

# 方法1# 使用concatenate函數(shù)進(jìn)行拼接，因?yàn)閭魅氲木仃嚤仨毦哂邢嗤男螤?。因此需要?duì)label進(jìn)行reshape操作，reshape(-1,1)表示行數(shù)自動(dòng)計(jì)算，1列。axis=1表示縱向拼接。tempConcat = np.concatenate((X, y.reshape(-1,1)), axis=1)# 拼接好后，直接進(jìn)行亂序操作np.random.shuffle(tempConcat)# 再將shuffle后的數(shù)組使用split方法拆分shuffle_X,shuffle_y = np.split(tempConcat, [4], axis=1)# 設(shè)置劃分的比例test_ratio = 0.2test_size = int(len(X) * test_ratio)
X_train = shuffle_X[test_size:]
y_train = shuffle_y[test_size:]
X_test = shuffle_X[:test_size]
y_test = shuffle_y[:test_size]
print(X_train.shape)
print(X_test.shape)
print(y_train.shape)
print(y_test.shape)
輸出：(120, 4)
(30, 4)
(120, 1)
(30, 1)

第二種方法

# 方法2# 將x長(zhǎng)度這么多的數(shù)，返回一個(gè)新的打亂順序的數(shù)組，注意，數(shù)組中的元素不是原來的數(shù)據(jù)，而是混亂的索引shuffle_index = np.random.permutation(len(X))# 指定測(cè)試數(shù)據(jù)的比例test_ratio = 0.2test_size = int(len(X) * test_ratio)
test_index = shuffle_index[:test_size]
train_index = shuffle_index[test_size:]
X_train = X[train_index]
X_test = X[test_index]
y_train = y[train_index]
y_test = y[test_index]
print(X_train.shape)
print(X_test.shape)
print(y_train.shape)
print(y_test.shape)
輸出：(120, 4)
(30, 4)
(120,)
(30,)

1.3 編寫自己的train_test_split

下面我們將編寫自己的train_test_split，并封裝成方法。

編寫

還記得我們的github上的工程嗎？https://github.com/japsonzbz/ML_Algorithms

編寫一個(gè)自己的train_test_split方法。這個(gè)方法可以放到model——selection.py下。因?yàn)榉指钣?xùn)練集和測(cè)試集合，可以幫助我們測(cè)試機(jī)器學(xué)習(xí)性能，能夠幫助我們更好地選擇模型。

import numpy as npdef train_test_split(X, y, test_ratio=0.2, seed=None):
 """將矩陣X和標(biāo)簽y按照test_ration分割成X_train, X_test, y_train, y_test"""
 assert X.shape[0] == y.shape[0], \ "the size of X must be equal to the size of y"
 assert 0.0 <= test_ratio <= 1.0, \ "test_train must be valid"
 if seed: # 是否使用隨機(jī)種子，使隨機(jī)結(jié)果相同，方便debug
 np.random.seed(seed) # permutation(n) 可直接生成一個(gè)隨機(jī)排列的數(shù)組，含有n個(gè)元素
 shuffle_index = np.random.permutation(len(X))
 test_size = int(len(X) * test_ratio)
 test_index = shuffle_index[:test_size]
 train_index = shuffle_index[test_size:]
 X_train = X[train_index]
 X_test = X[test_index]
 y_train = y[train_index]
 y_test = y[test_index] return X_train, X_test, y_train, y_test

調(diào)用

from myAlgorithm.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y)
print(X_train.shape)
print(X_test.shape)
print(y_train.shape)
print(y_test.shape)
輸出：(120, 4)
(30, 4)
(120,)
(30,)

再得到分割好的訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集以后，下面將其應(yīng)用于kNN算法中。

我們可以簡(jiǎn)單驗(yàn)證一下，X_train, y_train通過fit傳入算法，然后對(duì)X_test做預(yù)測(cè)，得到y(tǒng)_predict。

然后我們可以直觀地把y_predict和實(shí)際的結(jié)果y_test進(jìn)行一個(gè)比較，看有多少個(gè)元素一樣。當(dāng)然我們也可以自己計(jì)算一下正確率

from myAlgorithm.kNN import kNNClassifier
my_kNNClassifier = kNNClassifier(k=3)
my_kNNClassifier.fit(X_train, y_train)
y_predict = my_kNNClassifier.predict(X_test)
y_predict
y_test# 兩個(gè)向量的比較，返回一個(gè)布爾型向量，對(duì)這個(gè)布爾向量（faluse=1，true=0）sum，sum(y_predict == y_test)29sum(y_predict == y_test)/len(y_test)0.96666666666667

1.4 sklearn中的train_test_split

我們自己寫的train_test_split其實(shí)也是在模仿sklearn風(fēng)格，更多的時(shí)候我們可以直接調(diào)用。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=666)
print(X_train.shape)
print(X_test.shape)
print(y_train.shape)
print(y_test.shape)
輸出：(112, 4)
(38, 4)
(112,)
(38,)

0x02 分類準(zhǔn)確度accuracy

在劃分出測(cè)試數(shù)據(jù)集后，我們就可以驗(yàn)證其模型準(zhǔn)確率了。在這了引出一個(gè)非常簡(jiǎn)單且常用的概念：accuracy（分類準(zhǔn)確度）

accuracy_score：函數(shù)計(jì)算分類準(zhǔn)確率，返回被正確分類的樣本比例（default）或者是數(shù)量（normalize=False）

在多標(biāo)簽分類問題中，該函數(shù)返回子集的準(zhǔn)確率，對(duì)于一個(gè)給定的多標(biāo)簽樣本，如果預(yù)測(cè)得到的標(biāo)簽集合與該樣本真正的標(biāo)簽集合嚴(yán)格吻合，則subset accuracy =1.0否則是0.0

因accuracy定義清洗、計(jì)算方法簡(jiǎn)單，因此經(jīng)常被使用。但是它在某些情況下并不一定是評(píng)估模型的最佳工具。精度（查準(zhǔn)率）和召回率（查全率）等指標(biāo)對(duì)衡量機(jī)器學(xué)習(xí)的模型性能在某些場(chǎng)合下要比accuracy更好。

當(dāng)然這些指標(biāo)在后續(xù)都會(huì)介紹。在這里我們就使用分類精準(zhǔn)度，并將其作用于一個(gè)新的手寫數(shù)字識(shí)別分類算法上。

2.1 數(shù)據(jù)探索

import numpy as npimport matplotlibimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifier# 手寫數(shù)字?jǐn)?shù)據(jù)集，封裝好的對(duì)象，可以理解為一個(gè)字段digits = datasets.load_digits()# 可以使用keys()方法來看一下數(shù)據(jù)集的詳情digits.keys()
輸出：dict_keys(['data', 'target', 'target_names', 'images', 'DESCR'])

我們可以看一下sklearn.datasets提供的數(shù)據(jù)描述：

# 5620張圖片，每張圖片有64個(gè)像素點(diǎn)即特征（8*8整數(shù)像素圖像），每個(gè)特征的取值范圍是1～16（sklearn中的不全），對(duì)應(yīng)的分類結(jié)果是10個(gè)數(shù)字print(digits.DESCR)

下面我們根據(jù)datasets提供的方法，進(jìn)行簡(jiǎn)單的數(shù)據(jù)探索。

# 特征的shapeX = digits.data
X.shape
(1797, 64)# 標(biāo)簽的shapey = digits.target
y.shape
(1797, )# 標(biāo)簽分類digits.target_names
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])# 去除某一個(gè)具體的數(shù)據(jù)，查看其特征以及標(biāo)簽信息some_digit = X[666]
some_digit
array([ 0., 0., 5., 15., 14., 3., 0., 0., 0., 0., 13., 15., 9.,15., 2., 0., 0., 4., 16., 12., 0., 10., 6., 0., 0., 8.,16., 9., 0., 8., 10., 0., 0., 7., 15., 5., 0., 12., 11.,0., 0., 7., 13., 0., 5., 16., 6., 0., 0., 0., 16., 12.,15., 13., 1., 0., 0., 0., 6., 16., 12., 2., 0., 0.])
y[666]0# 也可以這條數(shù)據(jù)進(jìn)行可視化some_digmit_image = some_digit.reshape(8, 8)
plt.imshow(some_digmit_image, cmap = matplotlib.cm.binary)
plt.show()

2.2 自己實(shí)現(xiàn)分類準(zhǔn)確度

在分類任務(wù)結(jié)束后，我們就可以計(jì)算分類算法的準(zhǔn)確率。其邏輯如下：

X_train, X_test, y_train, y_test = train_test_split(X, y)
knn_clf = KNeighborsClassifier(n_neighbors=3)
knn_clf.fit(X_train, y_train)
y_predict = knn_clf.predict(X_test)# 比對(duì)y_predict和y_test結(jié)果是否一致sum(y_predict == y_test) / len(y_test)0.9955555555555555

下面我們?cè)谖覀冏约旱墓こ涛募刑砑右粋€(gè)metrics.py，用來度量性能的各種指標(biāo)。

import numpy as npfrom math import sqrtdef accuracy_score(y_true, y_predict):
 """計(jì)算y_true和y_predict之間的準(zhǔn)確率"""
 assert y_true.shape[0] != y_predict.shape[0], \ "the size of y_true must be equal to the size of y_predict"
 return sum(y_true == y_predict) / len(y_true)

這樣以后就不用一遍遍地寫邏輯了，直接調(diào)用我們寫好的封裝函數(shù)。我們?cè)僬{(diào)用一下：

from myAlgorithm.metrics import accuracy_score
accuracy_score(y_test, y_predict)

但在實(shí)際情況下，我們有時(shí)可能還有這樣的需求：用classifier將我們的預(yù)測(cè)值y_predicr預(yù)測(cè)出來了，再去看和真值的比例。但是有時(shí)候我們對(duì)預(yù)測(cè)值y_predicr是多少不感興趣，我們只對(duì)模型的準(zhǔn)確率感興趣。

可以在kNN算法模型中進(jìn)一步封裝一個(gè)函數(shù)（完整代碼見https://github.com/japsonzbz/ML_Algorithms）

def score(self, X_test, y_test):
 """根據(jù)X_test進(jìn)行預(yù)測(cè), 給出預(yù)測(cè)的真值y_test，計(jì)算預(yù)測(cè)算法的準(zhǔn)確度"""
 y_predict = self.predict(X_test) return accuracy_score(y_test, y_predict)

然后我們就可以直接運(yùn)行著這命令，直接測(cè)出模型分類準(zhǔn)確度：

my_knn_clf.score(X_test, y_test)

2.3 sklearn中的準(zhǔn)確度

更多的時(shí)候，我們還是使用sklearn中封裝好的方法。我們自己實(shí)現(xiàn)一遍，其實(shí)是簡(jiǎn)化版的，只是幫助我們更好地了解其底層原理。

from sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_score
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=666)
knn_clf = KNeighborsClassifier(n_neighbors=3)
knn_clf.fit(X_train, y_train)
y_predict = knn_clf.predict(X_test)
accuracy_score(y_test, y_predict)
輸出：0.9888888888888889# 不看y_predictknn_clf.score(X_test,y_test)
輸出：0.9888888888888889

0x03 超參數(shù)

3.1 超參數(shù)簡(jiǎn)介

之前我們都是為knn算法傳一個(gè)默認(rèn)的k值。在具體使用時(shí)應(yīng)該傳遞什么值合適呢？

這就涉及了機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)重要問題：超參數(shù)。所謂超參數(shù)，就是在機(jī)器學(xué)習(xí)算法模型執(zhí)行之前需要指定的參數(shù)。（調(diào)參調(diào)的就是超參數(shù)） 如kNN算法中的k。

與之相對(duì)的概念是模型參數(shù)，即算法過程中學(xué)習(xí)的屬于這個(gè)模型的參數(shù)（kNN中沒有模型參數(shù)，回歸算法有很多模型參數(shù)）

如何選擇最佳的超參數(shù)，這是機(jī)器學(xué)習(xí)中的一個(gè)永恒的問題。在實(shí)際業(yè)務(wù)場(chǎng)景中，調(diào)參的難度大很多，一般我們會(huì)業(yè)務(wù)領(lǐng)域知識(shí)、經(jīng)驗(yàn)數(shù)值、實(shí)驗(yàn)搜索等方面獲得最佳參數(shù)。

3.2 尋找好的k

針對(duì)于上一小節(jié)的手寫數(shù)字識(shí)別分類代碼，嘗試尋找最好的k值。邏輯非常簡(jiǎn)單，就是設(shè)定一個(gè)初始化的分?jǐn)?shù)，然后循環(huán)更新k值，找到最好的score

# 指定最佳值的分?jǐn)?shù)，初始化為0.0；設(shè)置最佳值k，初始值為-1best_score = 0.0best_k = -1for k in range(1, 11): # 暫且設(shè)定到1～11的范圍內(nèi)
 knn_clf = KNeighborsClassifier(n_neighbors=k)
 knn_clf.fit(X_train, y_train)
 score = knn_clf.score(X_test, y_test) if score > best_score:
 best_k = k
 best_score = score
print("best_k = ", best_k)
print("best_score = ", best_score)
輸出：best_k = 4best_score = 0.9916666666666667

可以看到，最好的k值是4，在我們?cè)O(shè)定的k的取值范圍中間。需要注意的是，如果我們得到的值正好在邊界上，我們需要稍微擴(kuò)展一下取值范圍。因?yàn)槁铮愣模?/span>

3.2 另一個(gè)超參數(shù)：權(quán)重

在回顧kNN算法思想時(shí)，我們應(yīng)該還記得，對(duì)于簡(jiǎn)單的kNN算法，只需要考慮最近的n個(gè)數(shù)據(jù)是什么即可。但是如果我們考慮距離呢？

如果我們認(rèn)為，距離樣本數(shù)據(jù)點(diǎn)最近的節(jié)點(diǎn)，對(duì)其影響最大，那么我們使用距離的倒數(shù)作為權(quán)重。假設(shè)距離樣本點(diǎn)最近的三個(gè)節(jié)點(diǎn)分別是紅色、藍(lán)色、藍(lán)色，距離分別是1、4、3。那么普通的k近鄰算法：藍(lán)色獲勝?？紤]權(quán)重（距離的倒數(shù)）：紅色：1，藍(lán)色：1/3 + 1/4 = 7/12，紅色勝。

在 sklearn.neighbors 的構(gòu)造函數(shù) KNeighborsClassifier 中有一個(gè)參數(shù)：weights，默認(rèn)是uniform即不考慮距離，也可以寫distance來考慮距離權(quán)重(默認(rèn)是歐拉距離，如果要是曼哈頓距離，則可以寫參數(shù)p（明可夫斯基距離的參數(shù)），這個(gè)也是超參數(shù))

因?yàn)橛袃蓚€(gè)超參數(shù)，因此使用雙重循環(huán)，去查找最合適的兩個(gè)參數(shù)，并打印。

# 兩種方式進(jìn)行比較best_method = ""best_score = 0.0best_k = -1for method in ["uniform","distance"]: for k in range(1, 11):
 knn_clf = KNeighborsClassifier(n_neighbors=k, weights=method, p=2)
 knn_clf.fit(X_train, y_train)
 score = knn_clf.score(X_test, y_test) if score > best_score:
 best_k = k
 best_score = score
 best_method = method
print("best_method = ", method)
print("best_k = ", best_k)
print("best_score = ", best_score)
輸出：best_method = distance
best_k = 4best_score = 0.9916666666666667

3.3 超參數(shù)網(wǎng)格搜索

在具體的超參數(shù)搜索過程中會(huì)需要很多問題，超參數(shù)過多、超參數(shù)之間相互依賴等等。如何一次性地把我們想要得到最好的超參數(shù)組合列出來。sklearn中專門封裝了一個(gè)超參數(shù)網(wǎng)格搜索方法Grid Serach。

在進(jìn)行網(wǎng)格搜索之前，首先需要定義一個(gè)搜索的參數(shù)param_search。是一個(gè)數(shù)組，數(shù)組中的每個(gè)元素是個(gè)字典，字典中的是對(duì)應(yīng)的一組網(wǎng)格搜索，每一組網(wǎng)格搜索是這一組網(wǎng)格搜索每個(gè)參數(shù)的取值范圍。鍵是參數(shù)的名稱，值是鍵所對(duì)應(yīng)的參數(shù)的列表。

param_search = [
 { "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)]
 }
]

可以看到，當(dāng)weights = uniform即不使用距離時(shí)，我們只搜索超參數(shù)k，當(dāng)weights = distance即使用距離時(shí)，需要看超參數(shù)p使用那個(gè)距離公式。下面創(chuàng)建要進(jìn)行網(wǎng)格搜索所對(duì)應(yīng)的分類算法并調(diào)用剛哥搜索：

knn_clf = KNeighborsClassifier()# 調(diào)用網(wǎng)格搜索方法from sklearn.model_selection import GridSearchCV# 定義網(wǎng)格搜索的對(duì)象grid_search，其構(gòu)造函數(shù)的第一個(gè)參數(shù)表示對(duì)哪一個(gè)分類器進(jìn)行算法搜索，第二個(gè)參數(shù)表示網(wǎng)格搜索相應(yīng)的參數(shù)grid_search = GridSearchCV(knn_clf, param_search)

下面就是針對(duì)X_train, y_train，使用grid_search在param_search列表中尋找最佳超參數(shù)組：

%%time
grid_search.fit(X_train, y_train)
輸出：CPU times: user 2min 21s, sys: 628 ms, total: 2min 21s
Wall time: 2min 23s
GridSearchCV(cv=None, error_score='raise',
 estimator=KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
 metric_params=None, n_jobs=1, n_neighbors=5, p=2,
 weights='uniform'),
 fit_params=None, iid=True, n_jobs=1,
 param_grid=[{'weights': ['uniform'], 'n_neighbors': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}, {'weights': ['distance'], 'n_neighbors': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'p': [1, 2, 3, 4, 5]}],
 pre_dispatch='2*n_jobs', refit=True, return_train_score='warn',
 scoring=None, verbose=0)

可以使用網(wǎng)格搜索的評(píng)估函數(shù)來返回最佳分類起所對(duì)應(yīng)的參數(shù)

# 返回的是網(wǎng)格搜索搜索到的最佳的分類器對(duì)應(yīng)的參數(shù) grid_search.best_estimator_
輸出：KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
 metric_params=None, n_jobs=1, n_neighbors=3, p=3,
 weights='distance')

也可以查看最佳參數(shù)的分類器的準(zhǔn)確度。

我們會(huì)注意到，best_estimator_和best_score_參數(shù)后面有一個(gè)_。這是一種常見的語法規(guī)范，不是用戶傳入的參數(shù)，而是根據(jù)用戶傳入的規(guī)則，自己計(jì)算出來的結(jié)果，參數(shù)名字后面接_

grid_search.best_score_
輸出：0.9853862212943633grid_search.beat_params_
輸出：{'n_neighbors':3, 'p':3, 'weights':'distance'}
knn_clf = grid_search.beat_estimator_
knn_clf.score(X_test, y_test)
輸出：0.9833333333328

0xFF 總結(jié)

在這篇文章中，我們借助kNN分類算法，學(xué)習(xí)了如下知識(shí)點(diǎn)：

• 為了驗(yàn)證模型的好壞，將數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，這樣我們就可以對(duì)測(cè)試數(shù)據(jù)集的進(jìn)行預(yù)測(cè)，然后使用label進(jìn)行驗(yàn)證。
• 在我們得到了分類結(jié)果之后，就可以使用分類正確的數(shù)據(jù)點(diǎn)比上總的測(cè)試數(shù)據(jù)點(diǎn)，這樣就可以計(jì)算出accuracy分類精準(zhǔn)度。
• 使用kNN算法對(duì)手寫數(shù)字分類 當(dāng)然，不同的評(píng)價(jià)指標(biāo)有不同的使用場(chǎng)景，不能亂用。
• 最后我們以kNN算法為例，探究了不同的超參數(shù)對(duì)模型的影響，使用sklearn中封裝好的網(wǎng)格搜索算法，可以幫助我們進(jìn)行基礎(chǔ)調(diào)參。

現(xiàn)在我們通過kNN算法，已經(jīng)學(xué)習(xí)到不少機(jī)器學(xué)習(xí)相關(guān)的知識(shí)和概念了，在下一篇文章中，會(huì)一起學(xué)習(xí)機(jī)器學(xué)習(xí)中的另一個(gè)重要概念：數(shù)據(jù)歸一化。并且會(huì)對(duì)kNN的優(yōu)缺點(diǎn)以及相關(guān)的優(yōu)化算法做一個(gè)總結(jié)。