2018-12-15 阅读量: 648
通过计算每个训练样例到待分类样品的距离，取和待分类样品距离最近的 K 个训练样例， K 个
样品中哪个类别的训练样例占多数，则待分类样品就属于哪个类别
核心思想： 如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于某一个类别，则该样本
也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或
者几个样本的类别来决定待分样本所属的类别。 kNN 方法在类别决策时，只与极少量的相邻样本
有关。由于 kNN 方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，
因此对于类域的交叉或重叠较多的待分样本集来说， kNN 方法较其他方法更为适合。
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar
