Этот код представляет собой простую демонстрацию использования метода k ближайших соседей (k-nearest neighbors, KNN) для классификации предпочтений в питье (кофе или чай) на основе различных факторов. Он содержит следующие шаги:
- Подготовка данных:
- Загрузка данных из CSV-файла.
- Преобразование категориальных признаков в бинарные с помощью метода one-hot encoding.
- Разделение данных на признаки (X) и целевую переменную (y).
- Нормализация признаков:
- Нормализация числовых признаков с использованием стандартного масштабирования.
- Разделение данных:
- Разделение данных на обучающий и тестовый наборы для оценки производительности модели.
- Обучение модели:
- Использование алгоритма k ближайших соседей для обучения модели на обучающем наборе данных.
- Оценка модели:
- Оценка точности модели на тестовом наборе данных.
- Вывод отчета о классификации для анализа производительности модели.
- Визуализация результатов:
- Построение матрицы ошибок для наглядного представления результатов классификации.
Результат работы на основе данных с опроса:
Этот код может быть полезен для понимания простых шагов машинного обучения на примере классификации предпочтений в питье. Вы можете легко адаптировать его для своих собственных данных или использовать его в качестве отправной точки для дальнейших исследований в области машинного обучения и анализа данных