🎈 Facebook 签到位置预测案例

🎯一、学习目标

通过 Facebook 位置预测案例，熟练掌握KNN算法学习内容。

📌二、项目描述

Alt text

本次比赛的目的是预测一个人将要签到的地方。Facebook 创建了一个虚拟世界，这个世界是一个 10 公里 ×10 公里，共 100 平方公里的区域，其中包含约 10 万个地方。对于给定的坐标集，任务是根据用户的位置、准确性和时间戳等信息，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。需要注意的是，只能使用提供的数据进行预测 。

📚三、数据集介绍

（一）📄数据介绍

Alt text

涉及的文件有 train.csv 和 test.csv ，各字段含义如下：

  • row id：签入事件的 id。
  • x y：坐标。
  • accuracy：准确度，即定位精度。
  • time：时间戳。
  • place_id：签到的位置，这也是需要预测的内容。

（二）🔗官网

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

🛠️四、步骤分析

（一）📊数据基本处理

对数据做一些基本处理（这里的处理不一定能达到最佳效果，只是简单尝试，有些特征可根据特征选择方式进一步处理）。

  1. 缩小数据集范围：使用 DataFrame.query () 方法。
  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 。

（二）✂️分割数据集

（三）⚖️标准化处理

（四）🔍k - 近邻预测

具体步骤如下：

  1. 获取数据集 。
  2. 基本数据处理
    • 缩小数据范围 。
    • 选择时间特征 。
    • 去掉签到较少的地方 。
    • 确定特征值和目标值 。
    • 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 。

💻五、代码实现

（一）📥获取数据集

1
2
# 1、获取数据集
facebook = pd.read_csv("./data/FBlocation/train.csv")

（二）📈基本数据处理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 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)

（三）📐特征工程 — 特征预处理 (标准化)

1
2
3
4
5
6
# 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)

（四）🧩机器学习 —knn+cv

1
2
3
4
5
6
7
8
# 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)

（五）📊模型评估

1
2
3
4
5
6
7
8
9
10
11
12
13
# 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_)