机器学习实战笔记(1)——kNN(k Nearest Neighbor)算法

本文介绍了kNN(k-最近邻)算法的基本原理和特点,包括算法描述、处理流程,并通过约会数据分类和手写数字识别两个实例进行详细讲解,展示算法在Python3环境下的实现。kNN算法精度高但计算复杂度高,适用于数值型和标称型数据的分类任务。
摘要由CSDN通过智能技术生成

简述

kNN算法(中文翻译:k-近邻算法)是机器学习分类算法的基础部分,也是比较简单的算法之一。它的内容和原理并不复杂,但是计算量比较大,即时间复杂度空间复杂度都比较高。书中以约会网站和手写数字识别系统为例。在这里,笔者也将从这两个例子下手,但是对部分代码进行了改进,以便适应Python3的编程环境。

算法描述

kNN的k指的是在新数据与样本数据进行比对时,只选取前k个最相近的数据。
kNN算法就是对未知类别属性的数据集中的每个点依次执行以下操作:

  1. 计算已知类别数据集中的点与当前点之间的距离(欧氏距离:
    d=(xAxB)2+(yA
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