超级会员免费看
本文介绍了机器学习中的kNN（k-最近邻）算法，并提供了Matlab实现的详细步骤，帮助读者理解并掌握该算法的应用。通过链接可以查阅到k-means、SVM和EM等其他机器学习算法的相关内容。
一、 引言
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）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。
尽管kNN算法的思想比较简单，但它仍然是一种非常重要的机器学习（或数据挖掘）算法。在2006年12月召开的 IEEE
International Conference on Data Mining (ICDM)，与会的各位专家选出了当时的十大数据挖掘算法（ top 10 data mining algorithms ），可以参加文献【1】&#x
尽管kNN算法的思想比较简单，但它仍然是一种非常重要的机器学习（或数据挖掘）算法。在2006年12月召开的 IEEE
International Conference on Data Mining (ICDM)，与会的各位专家选出了当时的十大数据挖掘算法（ top 10 data mining algorithms ），可以参加文献【1】&#x
订阅专栏 解锁全文
扫一扫
478
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
