使用K最近鄰居創建特征

Question

我是Python和機器學習的新手，但我一直在為按揭價格建立預測模型。 我苦苦掙扎的地方是使用K最近鄰居算法來創建要素。

這是我了解要完成的工作的方式：

1. 我有兩個數據文件：已出售抵押和列出抵押
2. 在這兩個數據文件中，我具有相同的功能（包括緯度/經度）。
3. 我想在“抵押貸款列出”中創建一列，該列代表緊鄰區域中最密切相關的房屋的中間價格。
4. 我將使用3中列出的方法來創建1-3個月，4-6個月，7-12個月的列。
5. 另一列將是這三列的趨勢。

我在KNN插補中找到了一些東西，但這似乎並不是我想要的。

我該如何執行這個想法？ 有沒有我可能會錯過的資源會有所幫助？

任何指導將不勝感激。 謝謝！

Answer 1

因此，據我了解，您希望使用按揭出售數據來擬合KNN模型，以預測按揭列表數據的價格。 這是一個經典的KNN問題，您將需要針對列表數據中的每個特征向量在Sold數據中找到最接近的特征向量，然后取這些特征向量的中值。

• 假設在售出數據中有n行，並且每行的特征向量為X1，X2，...，Xn，而相應的價格為P1，P2，...，Pn

  X_train = [X1, X2, ..., Xn]

  y_train = [P1, P2, ..., Pn]

• 請注意，每個Xi本身都是一個特征向量，並且是第i行的代表

• 現在，考慮要為列出數據中的每一行在已售數據中最接近5行。 因此，此處可能需要稍后優化的KNN模型參數為：

  NUMBER_OF_NEIGHBOURS = 5

• 現在，訓練代碼將如下所示：

  from sklearn.neighbors import KNeighborsClassifier

  knn_model = KNeighborsClassifier(n_neighbors=NUMBER_OF_NEIGHBOURS)

  knn_model.fit(X_train, y_train)

• 為了進行預測，請考慮列出數據中有m行，每行的特征向量為F1，F2，...，Fm。 需要確定相應的中位數價格Z1，Z2，...，Zm。

  X_test = [F1, F2, ..., Fm]

• 請注意，應使用相同的Vectorizer / Transformer對X_train和X_test中的特征向量進行矢量化。 在此處閱讀有關Vectorizer的更多信息。

• 預測代碼如下所示：

  y_predicted = knn_model.predict(X_test)

• y_predicted列表中的每個元素（在這種情況下）將包含y_train的5個最接近的價格。 那是：

  y_predicted = [(P11, P12, .., P15), (P21, P22, .., P25), .., (Pm1, Pm2, .., Pm5)]

• 對於y_predicted的每個第j個元素：

  import numpy as np

  Zj = np.median(np.array([Pj1, Pj2, .., Pj5]))

• 因此，以這種方式，您可以找到列出數據的每一行的中位數價格Zj

• 現在，進入參數優化部分。 您的KNN模型中唯一的超參數是NUMBER_OF_NEIGHBOURS。 您可以通過將X_train本身划分為80:20的比率來找到此參數的最佳值。 對80％的部分進行訓練，對其余20％的部分進行交叉驗證。 一旦確定了准確度數字足夠好，就可以使用超參數NUMBER_OF_NEIGHBOURS的該值進行y_test的預測。

• 最后，對於按月分析，您將需要創建按月模型。 例如，M1 =訓練在1-3個月的銷售數據，M2 =訓練在4-6個月的銷售數據，M3 =訓練在7-12個月的銷售數據，等等。

參考： http : //scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html