机器学习——k-近邻(K-Nearest Neighbor)

标签：href   分类   机器学习   通过   数字识别   距离   文件中   需要   个人   

目录

• K-Nearest neighbor
  • K-近邻分类算法
  • 从文本文件中解析和导入数据
  • 使用python创建扩散图
  • 归一化数值

K-Nearest neighbor

（个人观点，仅供参考。）

k-近邻算法，第一个机器学习算法，非常有效且易掌握，本文将主要探讨k-近邻算法的基本理论和使用距离侧量的算法分类物品；最后通过k-近邻算法改进约会网站和手写数字识别系统。文章内容参考《机器学习实战》

K-近邻分类算法

简单的说，通过采用不同特征值之间的距离方法进行分类

优点：精度高，对异值不敏感，无数据输入假定。
缺点：计算复杂、需要大量的内存。
适用于：数值型和标称型数据。

从文本文件中解析和导入数据

使用python创建扩散图

归一化数值

机器学习——k-近邻(K-Nearest Neighbor)

标签：href   分类   机器学习   通过   数字识别   距离   文件中   需要   个人   

原文地址：https://www.cnblogs.com/Mr0wang/p/9414312.html