組み込み開発のためのPython · レッスン 145 / 220
k近傍法で近いデータから分類する
k近傍法は距離の近い標本のラベルから予測します。特徴量の尺度、近傍数、同距離の扱いが結果に影響します。
k近傍法は距離の近い標本のラベルから予測します。特徴量の尺度、近傍数、同距離の扱いが結果に影響します。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
k近傍法は距離の近い標本のラベルから予測します。特徴量の尺度、近傍数、同距離の扱いが結果に影響します。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
model = make_pipeline(StandardScaler(), KNeighborsClassifier(n_neighbors=3)).fit([[0], [1], [2], [5], [6]], [0, 0, 0, 1, 1])
print(model.predict([[3]]))手を動かす課題
近傍数を変えて境界付近の予測を比較し、スケーリングの効果を確認してください。