• 机器学习实战笔记-2-kNN近邻算法


    k-近邻算法(kNN)

    ===============

    本质是(提取样本集中特征最相似数据(最近邻)的k个分类标签)。

    K-近邻算法的优缺点
    优点:精度高,对异常值不敏感,无数据输入假定; 缺点:计算复杂度高,空间复杂度高; 适用于:数值型和标称型。 手写数字识别

    工作原理

    1. 输入样本集,该样本集中标签已确定。
    2. 输入无标签(目标变量无值)的新数据,将新数据的每个特征与样本集中的数据对应特征比较。提取样本集中特征最相似数据(最近邻)的k个分类标签。k一般不大于20。
    3. 选择k个最相似数据中出现次数最多的分类,作为新数据的分类。

    算法流程

    kNN算法

    1. 计算已知类别数据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个点所在类别的出现频率
    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
  • 相关阅读:
    k8s nod rc service 使用
    Linux $() 与 ${}
    Linux set
    Linux 上传下载 rz 与sz
    Linux !的使用
    K8s创建pod yaml文件详解
    Kubernetes 安装
    Python 生成器
    k8s 使用详解
    微信 网页授权
  • 原文地址:https://www.cnblogs.com/charleechan/p/11434722.html
Copyright © 2020-2023  润新知