.. _winesknnrst:

====================
Plus proches voisins
====================


.. only:: html

    **Links:** :download:`notebook <wines_knn.ipynb>`, :downloadlink:`html <wines_knn2html.html>`, :download:`PDF <wines_knn.pdf>`, :download:`python <wines_knn.py>`, :downloadlink:`slides <wines_knn.slides.html>`, :githublink:`GitHub|_doc/notebooks/lectures/wines_knn.ipynb|*`


On cherche à prédire la note d’un vin avec un modèle des plus proches
voisins.

.. code:: ipython3

    %matplotlib inline

.. code:: ipython3

    from papierstat.datasets import load_wines_dataset
    df = load_wines_dataset()
    df.head()






.. raw:: html

    <div>
    <style scoped>
        .dataframe tbody tr th:only-of-type {
            vertical-align: middle;
        }

        .dataframe tbody tr th {
            vertical-align: top;
        }

        .dataframe thead th {
            text-align: right;
        }
    </style>
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>fixed_acidity</th>
          <th>volatile_acidity</th>
          <th>citric_acid</th>
          <th>residual_sugar</th>
          <th>chlorides</th>
          <th>free_sulfur_dioxide</th>
          <th>total_sulfur_dioxide</th>
          <th>density</th>
          <th>pH</th>
          <th>sulphates</th>
          <th>alcohol</th>
          <th>quality</th>
          <th>color</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>7.4</td>
          <td>0.70</td>
          <td>0.00</td>
          <td>1.9</td>
          <td>0.076</td>
          <td>11.0</td>
          <td>34.0</td>
          <td>0.9978</td>
          <td>3.51</td>
          <td>0.56</td>
          <td>9.4</td>
          <td>5</td>
          <td>red</td>
        </tr>
        <tr>
          <th>1</th>
          <td>7.8</td>
          <td>0.88</td>
          <td>0.00</td>
          <td>2.6</td>
          <td>0.098</td>
          <td>25.0</td>
          <td>67.0</td>
          <td>0.9968</td>
          <td>3.20</td>
          <td>0.68</td>
          <td>9.8</td>
          <td>5</td>
          <td>red</td>
        </tr>
        <tr>
          <th>2</th>
          <td>7.8</td>
          <td>0.76</td>
          <td>0.04</td>
          <td>2.3</td>
          <td>0.092</td>
          <td>15.0</td>
          <td>54.0</td>
          <td>0.9970</td>
          <td>3.26</td>
          <td>0.65</td>
          <td>9.8</td>
          <td>5</td>
          <td>red</td>
        </tr>
        <tr>
          <th>3</th>
          <td>11.2</td>
          <td>0.28</td>
          <td>0.56</td>
          <td>1.9</td>
          <td>0.075</td>
          <td>17.0</td>
          <td>60.0</td>
          <td>0.9980</td>
          <td>3.16</td>
          <td>0.58</td>
          <td>9.8</td>
          <td>6</td>
          <td>red</td>
        </tr>
        <tr>
          <th>4</th>
          <td>7.4</td>
          <td>0.70</td>
          <td>0.00</td>
          <td>1.9</td>
          <td>0.076</td>
          <td>11.0</td>
          <td>34.0</td>
          <td>0.9978</td>
          <td>3.51</td>
          <td>0.56</td>
          <td>9.4</td>
          <td>5</td>
          <td>red</td>
        </tr>
      </tbody>
    </table>
    </div>



Les premières colonnes contiennent les composants du vins ou plutôt les
résultats de mesures chimiques. Cela exclut la qualité et la couleur qui
n’est pas une information numérique. On les appelle les **variables** ou
**features**. C’est ce qui est connu au moment de faire une prédiction.

.. code:: ipython3

    X = df.drop(['quality', 'color'], axis=1)

La colonne *qualité* est ce qu’on cherche à prédire.

.. code:: ipython3

    y = df['quality']

On cale un modèle des plus proches voisins. Celui mémorise simplement
tous les exemples. Le paramètre *n_neighbors* précise le nombre de
voisins qui prennent pas à la prédiction. Dans notre cas, c’est juste 1.

.. code:: ipython3

    from sklearn.neighbors import KNeighborsRegressor
    knn = KNeighborsRegressor(n_neighbors=1)
    knn.fit(X, y)




.. parsed-literal::
    KNeighborsRegressor(algorithm='auto', leaf_size=30, metric='minkowski',
              metric_params=None, n_jobs=1, n_neighbors=1, p=2,
              weights='uniform')



On regarde la prédiction pour un vin quelconque tiré de la base.

.. code:: ipython3

    import random
    i = random.randint(0, df.shape[0]-1)
    vin = X.iloc[i:i+1,:]
    knn.predict(vin)




.. parsed-literal::
    array([5.])



On la compare à la note enregistrée dans la base.

.. code:: ipython3

    y[i]




.. parsed-literal::
    5



Tout se passe bien.