本文介绍了k近邻（kNN）算法的基本思想，包括使用Euclidean distance等距离度量方法，以及通过多数表决确定分类的策略。文章还提到了使用Iris数据集进行的kNN分类测试。
1.算法简介
kNN的思想很简单：计算待分类的数据点与训练集所有样本点，取距离最近的k个样本；统计这k个样本的类别数量；根据多数表决方案，取数量最多的那一类作为待测样本的类别。距离度量可采用Euclidean distance，Manhattan distance和cosine。
用Iris数据集作为测试，代码参考[1]
import numpy as np
import scipy.spatial.distance as ssd
def read_data(fn):
""" read d
订阅专栏 解锁全文
扫一扫
1318
到【灌水乐园】发言
