k近邻法(k-nearest neighbor, k-NN)

最新推荐文章于 2023-11-16 08:41:10 发布

FeynmanWang

最新推荐文章于 2023-11-16 08:41:10 发布

阅读量636

点赞数

分类专栏：学习笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/FeynmanWang/article/details/47039319

版权

学习笔记专栏收录该内容

24 篇文章 1 订阅

订阅专栏

算法：

$\qquad$ 输入：训练数据集 $T=\{(x_1,y_1),(x_2,y_2),\ldots,(x_N,y_N)\}$
其中， $x_i\in \Bbb R^n$ 为实例的特征向量， $y_i \in \{c_1,c_2,\ldots,c_K\}$ 为实例的类别， $i=1,2,\ldots,N;$ 实例特征向量 $x;$
$\qquad$ 输出： $x$ 所属的类 $y$ .
$\qquad$ (1)根据给定的距离度量，在训练集 $T$ 中找出与 $x$ 最近邻的 $k$ 个点，涵盖这
$k$ 个点的 $x$ 的领域记作 $N_k(x)$ ;
$\qquad$ (2)在 $N_k(x)$ 中根据分类决策规则（如多数表决）决定 $x$ 的类别 $y$ ：

y = a r g max c j \sum x i \in N k (x) I (y i = c j), i = 1, 2, \dots, N; j = 1, 2 \dots, K

$y=arg\max_{c_j} \sum_{x_i\in N_k(x)} I(y_i=c_j), \quad i=1,2,\dots,N;\quad j=1,2\ldots,K$

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
k近邻法(k-nearest neighbor, k-NN)

算法：\qquad 输入：训练数据集T={(x1,y1),(x2,y2),…,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),\ldots,(x_N,y_N)\} 其中，xi∈Rnx_i\in \Bbb R^n为实例的特征向量，yi∈{c1,c2,…,cK}y_i \in \{c_1,c_2,\ldots,c_K\}为实例的类别，i=1,2,…,N;i=1,2,\ldots,N;
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。