3K-近邻算法

Posted zglbt

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了3K-近邻算法相关的知识,希望对你有一定的参考价值。

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:技术分享图片

 

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。

以上是关于3K-近邻算法的主要内容,如果未能解决你的问题,请参考以下文章

KNN算法,k近邻

机器学习K-近邻算法

K近邻算法小结

实验二 K-近邻算法及应用

实验二 K-近邻算法及应用

实验二 K-近邻算法及应用