Data Science and Machine Learning - #32 KNN I

Na aula de hoje aprenderemos um novo algorítimo de Machine Learning, conhecido com KNN ou K vizinhos mais próximos.

KNN no Machine Learning

O hiperparâmetro k tem forte importância no KNN e representa a quantidade de vizinhos que você quer comparar a sua classe.

Veja um exemplo abaixo:

Da mesma forma veja este outro exemplo:

Repare que dependendo do k escolhido a classificação pode ser bem diferente.

Importando módulos

Vamos importar os módulos necessários para rodar a nossa análise:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split, GridSearchCV,cross_val_score
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report, confusion_matrix
%matplotlib inline

Importando DataFrame

Neste exemplo vamos classificar um câncer como benigno ou maligno de acordo com as características da pele, sangue e outras características. Para baixar o dataset clique aqui.

df = pd.read_csv("cancer.csv")
df.head()

Preparando os dados

Vamos excluir colunas desnecessárias, transformar dados string em dados binários e limpar dados vazios para preparar nossos dados para o aprendizado de máquina:

del df["id"]

del df["Unnamed: 32"]

df['diagnosis'].unique()

idCat, cat = pd.factorize(df['diagnosis'])
idCat
#M = 0 B = 1
df['diagnosisCat']=idCat

Análise exploratória

Vamos analisar os nossos dados e a integração entre eles:

df.info()

df.describe()

sns.countplot(x='diagnosisCat',data=df)

df['diagnosisCat'].value_counts()

Por hoje é só! Sucesso nos códigos e na vida!