分类算法-上

分类的目的是根据数据集的特点构造一个分类函数或分类模型(常常称作分类器),该模型能把未知类别的样本映射到给定的类别中去。分类算法通过对已知类别训练集的分析,从中发现分类规则,依次预测新数据的类别。分类算法应用很广泛,包括风险评估、客户类别分类、文本检索和搜索引擎分类等。常用的分类算法。
在这里插入图片描述

  • KNN算法
    给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(也就是上面所说的K个邻居),这K个实例的多数属于某个类,就把该输入实例分类到这个类中。
  • List item

k-近邻算法步骤

  1. 计算已知类别数据集中的点与当前点之间的距离;
  2. 按照距离递增次序排序;
  3. 选取与当前点距离最小的k个点;
  4. 确定前k个点所在类别的出现频率;
  5. 返回前k个点所出现频率最高的类别作为当前点的预测分类。
  • k-近邻算法特点
    KNN方法在类别决策时,只与极少数的相邻样本有关,因此,采用这种方法可以较好地避免样本的不平衡问题。另外,由于KNN方法主要靠周围有限的邻近样本,而不是靠判别类域的方法来确定所属类别,因此对于类域的交叉或重叠较多的待分类样本来说,KNN方法较其他方法更为适合。
    优点:准确性高,对异常值和噪声有较高的容忍度。
    缺点:计算量较大,对内存的需求也较大。
    针对该算法的不足,主要有以下两类改进的方法:
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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