如何将现有KNN代码应用到我的双列DataFrame数据集？

算力阿峰

2026-10-1

核心问题解答

你不需要把自己的数据传入generate_data函数，这个函数仅用来生成模拟测试数据，你已经有真实数据集的情况下直接替换掉generate_data对应的逻辑即可。你当前的代码读取AAPL数据后没有做任何后续调用，所有模型训练用的都是generate_data生成的模拟数据，和你的真实数据完全脱节。

具体修改步骤

步骤1：修正原始数据读取的错误

PyOD的模型要求输入特征X是二维数组格式（样本数×特征数），你原代码用squeeze()把单列特征转成了一维数组，会直接触发维度不匹配报错，按如下规则调整：

# 原错误写法，会得到一维Series
# X = AAPL.iloc[:,1].squeeze()
# Y = AAPL.iloc[:,2].squeeze()

# 修正后写法：如果用X列单独作为特征，保留二维结构
X = AAPL.iloc[:, 0:1].values # 按你实际的X列索引调整
# 如果要把X、Y两列都作为特征输入模型（2维特征可支持后续可视化）
# X = AAPL.iloc[:, 0:2].values
Y = AAPL.iloc[:, 1].values # 按你实际的Y列/标注列索引调整

步骤2：替换模拟数据生成逻辑

删除原代码中调用generate_data的代码块，用自己的数据集拆分逻辑替代，需要先导入拆分工具：

from sklearn.model_selection import train_test_split

替换后代码：

# 拆分训练集、测试集，测试集占比可按需调整
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=42)

# 如果你做无监督异常检测没有真实异常标注Y，可以只拆分特征
# X_train, X_test = train_test_split(X, test_size=0.33, random_state=42)
# 无标注的情况后续evaluate_print评估步骤可以直接删掉

步骤3：适配模型参数

初始化KNN时把你设定的异常比例传入即可：

clf = KNN(contamination=contamination)

步骤4：按需保留后续逻辑

有真实异常标注的情况下保留evaluate_print评估代码
visualize可视化函数仅支持2维特征的可视化，如果你的输入特征只有1维，直接删掉可视化代码即可

完整修改后参考代码

import pandas as pd
from pyod.models.knn import KNN
from pyod.utils.data import evaluate_print
from pyod.utils.example import visualize
from sklearn.model_selection import train_test_split

if __name__ == "__main__":
    contamination = 0.1  # 异常值占比，按你的数据实际情况调整

    # 导入自己的数据集
    AAPL = pd.read_csv('AAPL.csv', header=0)
    # 按实际列索引调整，此处示例用X、Y两列作为输入特征
    X = AAPL.iloc[:, 0:2].values
    # 有真实异常标注的话读取对应列，无标注可以注释掉
    # Y = AAPL.iloc[:, 标注列索引].values

    # 拆分训练集测试集，无标注就用不带Y的拆分方式
    # X_train, X_test = train_test_split(X, test_size=0.33, random_state=42)
    X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=42)

    # 训练KNN检测器
    clf_name = 'KNN'
    clf = KNN(contamination=contamination)
    clf.fit(X_train)

    # 获取训练集预测结果
    y_train_pred = clf.labels_  # 0: 正常点 1: 异常点
    y_train_scores = clf.decision_scores_  # 异常得分

    # 获取测试集预测结果
    y_test_pred = clf.predict(X_test)
    y_test_scores = clf.decision_function(X_test)

    # 有真实标注再打开注释执行评估
    # print("\n训练集评估结果:")
    # evaluate_print(clf_name, y_train, y_train_scores)
    # print("\n测试集评估结果:")
    # evaluate_print(clf_name, y_test, y_test_scores)

    # 特征为2维时再打开注释执行可视化
    # visualize(clf_name, X_train, y_train, X_test, y_test, y_train_pred,
    #           y_test_pred, show_figure=True, save_figure=True)

内容的提问来源于stack exchange，提问作者d12