KNN分类器之NearestNeighbors详解及实践

Posted 2021-05-18 Data+Science+Insight

KNN（K Nearest Neighbors）分类器之最近邻NearestNeighbors详解及实践

如何判断谁是最近邻？

通过距离方法、例如欧几里得距离。

KNN属于基于实例的学习方法

一个实例在特征空间中的K个最接近（即特征空间中最近邻）的实例中的大多数属于某一个类别，则该实例也属于这个类别。

所选择的邻居都是已经正确分类的实例，是先验信息。

该算法假定所有的实例对应于N维欧式空间中的点。通过计算一个点与其他所有点之间的距离，取出与该点最近的K个点，然后统计这K个点里面所属分类比例最大的，则这个点属于该分类。

 

邻近算法，或者说K最近邻（KNN，K-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K个邻近值来代表。近邻算法就是将数据集合中每一个记录进行分类的方法。

# 获取样本的最近邻

from sklearn import datasets
from sklearn.n