监督学习之kNN原理解析

kNN,即k-最近邻算法,是一种简单而有效的非参数监督学习方法。该算法通过寻找训练集中与新样本最近的k个邻居来决定其类别。本文将深入解析kNN的工作原理、距离度量、选择合适的k值以及优缺点,帮助读者理解和应用kNN进行分类任务。
摘要由CSDN通过智能技术生成
kNN算法原理剖析
  一、kNN算法介绍
        kNN算法是由著名学者Cover和Hart在1968年提出来的,是个相对其他算法来讲,比较早的算法,它的工作原理可以这样来理解:对于给定一个训练数据集,对于新的输入实例,在训练数据集中找到与这个新的实例最近的k个邻居,在这k个邻居中,有多数实例属于某个已知的类,那么把这个已知的类作为这个新实例所属的类别。也就是利用投票法(少数服从多数)来决定新实例的类别。注意由于采用的是投票法,因此k值一般取奇数。先来看幅图:
               
       从上面这幅图可以看出,这些数据有两种类别,一个是红色的三角形,另一个是蓝色的正方形,而这个绿色的圆是我们上面讲到的新的实例,现在我们的任务是判别这个新的实例所属的类别。现在根据算法的原理来完成这个任务。
       首先,假如选择最近的3个邻居,即k=3,那么通过肉眼也能看到,在这三个邻居中,有两个邻居是三角形这一类,而另外一个是正方形这一类,根据少数服从多数的原则,新的实例的类别应该是三角形。
        可以看到这个算法非常的简单,不用训练,现用即可,因此有学者又称其为“懒惰学习”算法,很容易理解。但是这个过程是不是就这样结束了呢?
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值