學號：20021210595? ? 姓名：楊嬋

轉載自:https://www.cnblogs.com/rubbninja/p/6186847.html

【嵌牛導讀】位置指紋法中最常用的算法是k最近鄰（kNN）。本文的目的學習一下python機器學習scikit-learn的使用，嘗試了各種常見的機器學習分類器，比較它們在位置指紋法中的定位效果。

【嵌牛鼻子】室內定位，機器學習，位置指紋法

【嵌牛提問】各種常見的機器學習分類器在位置指紋法中的定位效果如何？

【嵌牛正文】

導入數據

數據來源說明：http://www.cnblogs.com/rubbninja/p/6118430.html

knn回歸

Logistic regression （邏輯斯蒂回歸）

Support Vector Machine for Regression （支持向量機）

Support Vector Machine for Classification （支持向量機）

random forest regressor （隨機森林）

random forest classifier （隨機森林）

Linear Regression （線性回歸）

Ridge Regression （嶺回歸）

Lasso回歸

Elastic Net （彈性網回歸）

Bayesian Ridge Regression （貝葉斯嶺回歸）

Gradient Boosting for regression （梯度提升）

Multi-layer Perceptron regressor （神經網絡多層感知器）

總結

上面的幾個線性回歸模型顯然效果太差，這里匯總一下其他的一些回歸模型：

從大致的定位精度上看，KNN、SVM、RF、GBDT這四個模型比較好（上面很多算法并沒有仔細地調參數，這個結果也比較粗略，神經網絡完全不知道怎么去調...）。此外要注意的是，SVM訓練速度慢，調參太麻煩，KNN進行預測時的時間復雜度應該是和訓練數據量成正比的，從定位的實時性上應該不如RF和GBDT。

作者：[rubbninja](http://www.cnblogs.com/rubbninja/) 出處：[http://www.cnblogs.com/rubbninja/](http://www.cnblogs.com/rubbninja/) 關于作者：目前主要研究領域為機器學習與無線定位技術，歡迎討論與指正！ 版權聲明：本文版權歸作者和博客園共有，轉載請注明出處。