初入机器学习 —— k-近邻算法预测手机寿命（一）

一、假设数据集

1、简单介绍

昨天上午刚自学了机器学习的k-近邻算法，下午一个亲戚就来说买了一个手机保护壳，然后我就思考了下我自己寿命的问题，想着想着突然问自己为啥有人要手机保护壳？不还是为了手机使用寿命能更长点。。所以写下了这个代码，本代码是在Anaconda最新版下的Jupyter Notebook下写出来的，使用的电脑系统为Windows 10专业版。

2、数据准备及自定义各个参考指标

由于没有找到手机寿命方面的数据集，所以我就假设一个数据集出来，假设一部手机最高寿命为10年，数字“1”代表寿命长，数字“0”代表寿命短，并定义小于5年为短寿命，除外都是长寿命。
内容如下：

每天玩手机的时间（小时）	点击频率（大于0且小于1）	寿命（年）
3	0.87	1
0.5	0.9	1
5	0.258	1
6.5	0.52	1
7	0.36	0
10	0.45	1
14	0.13	0
18	0.67	0
20	0.89	0
24	0.77	0

利用 k-近邻算法 预测手机寿命（数据纯属瞎编，请勿轻信）

---

二、算法实现及其他

创建好训练数据集和测试数据及作图

# 导入第三方库
import numpy as np
from math import sqrt
import matplotlib.pyplot as plt
from collections import Counter

# 原始数据
X_original_train = [[3, 0.87],
                    [0.5, 0.9],
                    [5, 0.258],
                    [6.5, 0.52],
                    [7, 0.36],
                    [10, 0.45],
                    [14, 0.13],
                    [18, 0.67],
                    [20, 0.89],
                    [24, 0.77]]
Y_original_train = [1, 1, 1, 1, 0, 1, 0, 0, 0, 0]

# 转换成可以操作的科学计算中的数组
X_train = np.array(X_original_train)
Y_train = np.array(Y_original_train)

X_train

输出结果：
array([[ 3. , 0.87 ],
[ 0.5 , 0.9 ],
[ 5. , 0.258],
[ 6.5 , 0.52 ],
[ 7. , 0.36 ],
[10. , 0.45 ],
[14. , 0.13 ],
[18. , 0.67 ],
[20. , 0.89 ],
[24. , 0.77 ]])

Y_train

输出结果：
array([1, 1, 1, 1, 0, 1, 0, 0, 0, 0])

# 画原始数据的散点图
plt.scatter(X_train[Y_train == 0, 0], X_train[Y_train == 0, 1], color = 'g')
plt.scatter(X_train[Y_train == 1, 0], X_train[Y_train == 1, 1], color = 'r')
plt.show()

输出结果：

原始数据散点图

假设一部手机每天被蹂躏11个小时且在被蹂躏的期间点击率为0.5，预测此手机使用寿命的长短

# 创建测试数据且作包含测试数据点的散点图
X_test = np.array([11, 0.5])
plt.scatter(X_train[Y_train == 0, 0], X_train[Y_train == 0, 1], color = 'g')
plt.scatter(X_train[Y_train == 1, 0], X_train[Y_train == 1, 1], color = 'r')
plt.scatter(X_test[0], X_test[1], color = 'b') # 测试数据的坐标点颜色为蓝色
plt.show()

输出结果：

包含测试数据的散点图

# 计算每个点与测试坐标点的距离
distances = [] # 用来存储每个点与测试点的距离
for x_train in X_train:
distance = sqrt(sum(((x_train - X_test) ** 2)))
distances.append(distance)

distances

输出结果
[8.008551679298822,
10.507616285342742,
6.004878350141658,
4.500044444224968,
4.002449250146715,
1.0012492197250393,
3.022730553655089,
7.002063981427191,
9.008446036914469,
13.002803543851611]

# 对距离进行排序，找出最近的五个点（这里不一定非要找五个点，也可以找三个点或者其他个数的点，但不能超过数据集的大小）
point_sort = np.argsort(distances)
k = 5 # 这里设置为最近的五个点
near_point = [Y_train[i] for i in point_sort[:k]]
near_point

输出结果：
[1, 0, 0, 1, 1]

# 找到出现次数最多的那个点
More_point = Counter(near_point)
More_point.most_common(1)[0][0]

输出结果：
1

---

三、总结

至此，k-近邻算法给出了我们答案，对于一天玩11个小时，玩期间屏幕点击率为0.5的玩法，手机的使用寿命很长。目前的这个算法所使用的数据由于是自己胡编乱造的，所以并不合理，其实第一列玩手机的时间这个数据的值用个均值方差归一化会更好，后面再改算了。

作者：无聊的SEVEN