关于我的目标的详细信息: 我正在使用IMDb数据和Youtube电影预告片数据来预测电影的总收入。 具体来说,我使用"范围"、"总"、"预算"、"imdb_score"、"观看次数"、"评级"进行分类。
因此,我浏览了KNN和决策树1(来预测电影的成功,以及2(知道哪种机器学习更准确。
但问题是,我的 knn 结果
feature_columns = ['range', 'gross', 'budget','imdb_score','views','rating']
X = df2[feature_columns].values
y = df2['range'].values
knn = KNeighborsClassifier(n_neighbors=3, metric='euclidean')
knn.fit(X_train, y_train)
confusion_matrix(y_test, y_pred)
最终,我们的模型的准确度等于 94.0 %。 跟
array([[ 4, 0, 0, 0],
[ 0, 27, 0, 0],
[ 0, 1, 20, 0],
[ 0, 0, 1, 7]])
KNN 对图结果
对于决策树,
feature_cols = ["budget","imdb_score","views","rating"]
y = df2.range
X = df2[feature_cols]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
clf = DecisionTreeClassifier(criterion="entropy") #Default criterion is gini index, If you want to use gini index just delete criterion
clf = clf.fit(X_train,y_train) #Training
y_pred = clf.predict(X_test) #Make a prediction
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))
最终得到的准确度:0.48333333333333334
dot_data = StringIO()
export_graphviz(clf, out_file=dot_data,
filled=True, rounded=True,
special_characters=True,feature_names = feature_cols,class_names=["0","1","2","3"]) ##Change class i named 0, and 1 since i only have to class
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_png('house.png') #will saved to your default location. in coolab it is content folder
Image(graph.create_png())
决策树结果
我的问题是, 1(我的结果是否反映了我的主题?KNN 准确率为 94%,决策树为 48%,这一事实令人困惑。我认为决策树的准确性会更高。 2( 我特别不确定 KNN 和决策树的列特征是否相同,以反映相同的结果。我的要素是否进行了不同的编辑?
感谢您的阅读!
在 KNN 中,您也可以在训练数据中给出目标列范围,因此与决策树相比,模型的准确性非常高。
您错过了决策树训练数据中的总特征。 所以你不应该比较这两种算法的性能,因为它们有不同的训练数据。再次尝试使用两种算法的相同训练数据
注意:请说明毛额和范围的含义