3、K-近邻算法

标签：使用   dtree   标准   处理   一个   指定   near   优点   数据   

K最近邻(k-Nearest Neighbor，KNN)分类算法

1、定义：如果一个样本在特征空间中的k个最近似（即特征空间中最临近）的样本中大多数属于某一类别，则该样本也属于这个类别。

2、计算公式：；

3、K-近邻算法需要做标准化处理；

4、K-近邻算法API

5、优点：

      1）简单、无需参数处理、无需训练

6、缺点：

      1）懒惰算法，对测试样本分类时的计算量大，内存开销大；

      2）必须指定k值，k值的选择不当则分类精度不能保证；

7、使用场景：小数据量，几千~几万个样本。

8、加快搜索速度——基于算法的改进KDTree。

3、K-近邻算法

标签：使用   dtree   标准   处理   一个   指定   near   优点   数据   

原文地址：https://www.cnblogs.com/zglbt/p/9385992.html