对输入数据的表达形式很敏感。K近邻算法（k-nearnest neighbors）可做回归和分类，两者的区别在于最后做预测的决策方式不同；回归是选择平均法，即最近的k个样本的样本输出值的平均值作为回归的预测值；分类是多数表决法，即训练集中和预测的样本特征最近的k个样本，预测为里面有最多类别数的类别。
（1）KNN算法三要素
- KNN算法三要素：k值的选择，距离的度量方式和分类决策规则
- k值的选择：一般根据样本分布，选择较小的k值，然后采用交叉验证的方式选择合理k值；k值太小会导致模型太复杂，易发生过拟合现象；k值太大会导致模型过于简单
- 距离的度量方式：（1）欧氏距离 D = ∑ i = 1 n ( ∣ x i − y i ∣ ) 2 D=\sqrt[]{\displaystyle\sum_{i=1}^{n}(|x_i-y_i|)^2} D=i=1∑n(∣xi−y
最低0.47元/天 解锁文章
2047
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
