2020-07-14
阅读量:
963
KNN算法
1.k-NN算法
原理：距离，欧氏距离，近邻思想，少数服从多数，越近越相似
模型：
（1）算距离，欧氏距离（常见）
（2）找邻居
（3）做分类
2.Python代码实现
（1）构建原始数据集（make_blobs）
（2）计算已知类别数据集中的点与当前点之间的距离
（3）将距离升序排列，选取距离最小的k个点
（4）确定前k个点所在的类别的计数
（5）选择次数最多的类别作为当前点的预测类别
3.KNN算法的优缺点
优点：
（1）KNN可以处理分类问题，同时可以处理多分类问题，比如鸢尾花的分类
（2）简单，易懂，同时也很强大，对于手写数字的识别，鸢尾花这一类问题来说，准确率高
（3）KNN还可以处理回归问题，即预测
缺点：
（1）计算效率低，消耗的计算资源较大
（2）对异常值敏感
（3）可重复性弱
（4）需要进行归一化处理
4.增加KNN算法模型的准确度
（1）归一化处理
（2）标准化处理
13.7802
4
2
关注作者
收藏
评论(0)
发表评论
暂无数据
