本篇文章是在闭卷之下据我个人的理解一个字一个字写出来,恐有错漏,请谨慎参考。
一、算法类型
有监督的分类算法
二、算法原理
遵循越相近越相似的思想。计算目标样本(无标签,待预测)到所有已知样本集(有标签,已知)的距离集。假设指定近邻为k个,通过对距离集排序后得到k个较小距离的已知样本子集,分析k个近邻已知样本子集的标签分布,遵循少数服从多数的原则,取分布比重最大的标签作为目标样本的预测标签。
三、算法流程
第一步:准备已处理好的已知样本集Data(N个样本,M个特征,1列标签),指定k个近邻;
第二步:计算一个目标样本g到所有已知样本集的距离集D,表示为d0,d1…dN-1;
第三步:对距离集D升序排列,选取前K个距离值及其索引,通过索引定位得到前k个距离对应的已知样本子集k_sub_Data;
第四步:分析已知样本子集k_sub_Data的标签分布,选取分布比重最大的标签max-Label,将该标签赋值给目标样本g作为预测标签。
第五步:循环第二、三、四步骤,可得到目标样本集G的预测标签。
(注:实际调包使用时,将训练集作为已知样本集)
四、手写Python实现
def