Cependant, rappelez-vous que les données doivent être mises à l'échelle. Regardons de plus près le StandardScaler couramment utilisé pour mettre à l'échelle les données.
StandardScaler soustrait simplement la moyenne de l'échantillon puis divise le résultat par l'écart-type de l'échantillon.

Remarque

Si les termes moyenne de l'échantillon et écart-type de l'échantillon vous sont inconnus, vous pouvez consulter notre Apprendre les statistiques avec Python. Mais il n'est pas obligatoire de comprendre à quoi servent ces chiffres, vous pouvez donc simplement ignorer les significations de x̄ et s et continuer :)

Vous devez calculer x̄ et s sur l'ensemble d'entraînement (en utilisant soit .fit() soit .fit_transform()) et utiliser les mêmes x̄ et s pour prétraiter les données que vous prédisez (en utilisant .transform()). Voici un exemple :

Si vous utilisez différents x̄ et s pour l'ensemble d'entraînement et les nouvelles instances, vos prédictions seront probablement moins précises.

Exemple

Pour effectuer une classification k-NN en Python, vous devez utiliser KNeighborsClassifier et StandardScaler. Votre code ressemblera à ceci :

Voici un exemple simple où nous essayons de prédire si une personne aimera Star Wars VI en fonction de ses évaluations pour Star Wars IV et V. Nous lirons les données à partir de l'URL.


              123456789101112131415161718192021
            
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
import numpy as np
import pandas as pd
import warnings

warnings.filterwarnings('ignore')


df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_binary.csv')
X = df[['StarWars4_rate', 'StarWars5_rate']] # Store feature columns as X
y = df['StarWars6'] # Store target column as y (contains 1(liked SW 6) or 0(didn't like SW 6)
X_new = np.array([[5, 5], [4.5, 4]]) # 2 insances to predict, ratings [5, 5] and [4.5 for Star Wars IV and 4 for V]
# Scale the data
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
X_new_scaled = scaler.transform(X_new)
# Build a model and predict new instances
knn = KNeighborsClassifier(n_neighbors=13).fit(X_scaled, y)
y_pred = knn.predict(X_new_scaled)
print(y_pred)

Les données sont tirées de The Movies Dataset avec un prétraitement supplémentaire. Une personne est considérée comme aimant Star Wars VI si elle l'a noté plus de 4/5.

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 4