第二章：k-近邻算法（kNN）

标签：选择   最小   维度   算法   排序   是什么   距离   返回   中标   

　　kNN功能：解决输入是数值型或者标称型的分类问题

　　kNN大致原理：输入数据集相当于在一定维度的空间中标点，测试集（或者说要预测标签的），相当于是计算与这些已有点的距离（一般是欧式距离），选择前k个距离最近的，看这k个已标点的标签是什么（也就是属于哪一类），返回k个中占比最大的标签作为预测结果。ps:k一般取20

　　算法大体步骤：

        1）计算已知类别数据集（训练集）中的点与当前点之间的距离

　　2）按照距离递增次序排序

　　3）选取与当前点距离最小的k个点

　　4）确定前k个点所在类别出现的频率

　　5）返回前k个点出现频率最高的类别作为当前点的预测分类

第二章：k-近邻算法（kNN）

标签：选择   最小   维度   算法   排序   是什么   距离   返回   中标   

原文地址：https://www.cnblogs.com/maxiaonong/p/9983713.html