我想在Python中实现KNN。到目前为止，我已经将数据加载到了Pandas DataFrame中。

import pandas as pdfrom sklearn.neighbors import KNeighborsClassifiertrain_df = pd.read_csv("creditlimit_train.csv") # 训练数据集train_df.head()

head的输出是

SNo      Salary      LoanAmt   Level101      100000      10000     Low Level102      108500      11176     Low Level103      125500      13303     Low Level104      134000      14606     Low Level105      142500      15960     Low Leveltest_df = pd.read_csv("creditlimit_test.csv")test_df.head()

head的输出是

SNo      Salary      LoanAmt   Level101      100000      10000     Low Level102      108500      11176     Low Level103      125500      13303     Low Level104      134000      14606     Low Level105      142500      15960     Low Levelneigh = KNeighborsClassifier(n_neighbors=5,algorithm='auto')predictor_features = ['Salary','LoanAmt']dependent_features = ['Level']neigh.fit(train_df[predictor_features],train_df[dependent_features])

我如何使用fit函数以薪资和贷款金额作为预测因子来预测我的test_df中的等级？

更新1：等级有三种：低、中、高

回答：

您可以将DataFrame转换为numpy数组并作为输入传递

# 将类别标签转换为数值数据，假设您有两个类别df['Level'].replace(['Low Level'],0)df['Level'].replace(['High Level'],1)# 提取数据和类别标签data = df[['Salary','LoanAmt']]target = df['Level']# 将df转换为numpy数组data = data.valuestarget =  target.values# 理想情况下，您会想要进行测试训练分割。# 在训练数据上训练模型，并在测试数据上测试以获得准确性# 在fit函数中传递neigh = KNeighborsClassifier(n_neighbors=5,algorithm='auto')neigh.fit(data,target) ## 如何在这里传递参数？

一些有用的链接：

将pandas DataFrame转换为numpy数组，保留索引

用另一个值替换pandas DataFrame列中的几个值

在pandas DataFrame中选择列