机器学习预测Facebook签到位置

Posted 2021-08-11 ZSYL

KNN算法：预测Facebook签到位置

• 1. 项目描述
• 2. 数据集介绍
• 3. 步骤分析
• 4. 代码实现
• • 4.1 获取数据集
  • 4.2 基本数据处理
  • 4.3 特征工程--特征预处理(标准化)
  • 4.4 机器学习--knn+cv
  • 4.5 模型评估

1. 项目描述

本次比赛的目的是预测一个人将要签到的地方。 为了本次比赛，Facebook创建了一个虚拟世界，其中包括10公里*10公里共100平方公里的约10万个地方。 对于给定的坐标集，您的任务将根据用户的位置，准确性和时间戳等预测用户下一次的签到位置。

数据被制作成类似于来自移动设备的位置数据。

请注意：您只能使用提供的数据进行预测。

2. 数据集介绍

数据介绍：

文件说明 train.csv, test.csv
  row id：签入事件的id
  x y：坐标
  accuracy: 准确度，定位精度
  time: 时间戳
  place_id: 签到的位置，这也是你需要预测的内容

官网：https://www.kaggle.com/navoshta/grid-knn/data

3. 步骤分析

• 对于数据做一些基本处理（这里所做的一些处理不一定达到很好的效果，我们只是简单尝试，有些特征我们可以根据一些特征选择的方式去做处理）

1. 缩小数据集范围 DataFrame.query()
2. 选取有用的时间特征
3. 将签到位置少于n个用户的删除

• 分割数据集
• 标准化处理
• k-近邻预测

具体步骤：

# 1.获取数据集
# 2.基本数据处理
# 2.1 缩小数据范围
# 2.2 选择时间特征
# 2.3 去掉签到较少的地方
# 2.4 确定特征值和目标值
# 2.5 分割数据集
# 3.特征工程 -- 特征预处理(标准化)
# 4.机器学习 -- knn+cv
# 5.模型评估

4. 代码实现

4.1 获取数据集

# 1、获取数据集
facebook = pd.read_csv("./data/FBlocation/train.csv")

data.head()

# 数据描述
data.describe()

data.shape

4.2 基本数据处理

# 2.基本数据处理
# 2.1 缩小数据范围
facebook_data = facebook.query("x>2.0 & x<2.5 & y>2.0 & y<2.5")

# 2.2 选择时间特征
time = pd.to_datetime(facebook_data["time"], unit="s")
time = pd.DatetimeIndex(time)
facebook_data["day"] = time.day
facebook_data["hour"] = time.hour
facebook_data["weekday"] = time.weekday

# 2.3 去掉签到较少的地方
place_count = facebook_data.groupby("place_id").count()
place_count = place_count[place_count["row_id"]>3]
facebook_data = facebook_data[facebook_data["place_id"].isin(place_count.index)]

# 2.4 确定特征值和目标值
x = facebook_data[["x", "y", "accuracy", "day", "hour", "weekday"]]
y = facebook_data["place_id"]

# 2.5 分割数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)

# 2.基本数据处理
# 2.1 缩小数据范围
partial_data = data.query('x > 2.0 & x < 2.5 & y> 2.0 & y < 2.5')

# 2.2 选择时间特征
partial_data['time'].head()

time = pd.to_datetime(partial_data['time'], unit='s')  # unit：s
# 脱敏
time.head()

time = pd.DatetimeIndex(time)
time

time.hour
time.day

# 2.3 去掉签到较少的地方
place_count = partial_data.groupby('place_id').count()

place_count = place_count[place_count['row_id']>3]

# 分组聚合之后从原数据中筛选，isin，判断哪些place_id属于签到次数>3的集合中
partial_data = partial_data[partial_data['place_id'].isin(place_count.index)]

# 2.4 确定特征值和目标值
x = partial_data[['x', 'y', 'accuracy', 'hour', 'day', 'weekday']]
y = partial_data['place_id']

# 2.5 分割数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=2, test_size=0.25)

4.3 特征工程–特征预处理(标准化)

# 3.特征工程--特征预处理(标准化)
# 3.1 实例化一个转换器
transfer = StandardScaler()
# 3.2 调用fit_transform
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)

4.4 机器学习–knn+cv

# 4.机器学习--knn+cv
# 4.1 实例化一个估计器
estimator = KNeighborsClassifier()

# 4.2 调用gridsearchCV
param_grid = {"n_neighbors": [1, 3, 5, 7, 9]}
estimator = GridSearchCV(estimator, param_grid=param_grid, cv=5)

# 4.3 模型训练
estimator.fit(x_train, y_train)

注意：传参时参数单词一定不要拼写错误，不然可能会报错。

# 获取estiamtors的参数列表
estimator.get_params().keys()

4.5 模型评估

# 5.模型评估
# 5.1 基本评估方式
score = estimator.score(x_test, y_test)
print("最后预测的准确率为:\\n", score)

y_predict = estimator.predict(x_test)
print("最后的预测值为:\\n", y_predict)
print("预测值和真实值的对比情况:\\n", y_predict == y_test)

# 5.2 使用交叉验证后的评估方式
print("在交叉验证中验证的最好结果:\\n", estimator.best_score_)
print("最好的参数模型:\\n", estimator.best_estimator_)
print("每次交叉验证后的验证集准确率结果和训练集准确率结果:\\n",estimator.cv_results_)

# 5.模型评估
# 5.1 准确率输出
score = estimator.score(x_test, y_test)
print('准确率为:\\n', score)

# 5.2 预测结果
y_pre = estimator.predict(x_test)
print('预测值是：\\n', y_pre)

# 5.3 其他结果输出
print('最好的模型是:\\n', estimator.best_estimator_)
print('最好的结果是:\\n', estimator.best_score_)
print('所有的结果是:\\n', estimator.cv_results_)

加油!

感谢!

努力!