K-近邻算法简介

学习目标

• 目标
  • 了解什么是KNN算法
  • 知道KNN算法求解过程

1 什么是K-近邻算法

 

• 根据你的“邻居”来推断出你的类别

1.1 K-近邻算法(KNN)概念

K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法

• 定义

如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

来源：KNN算法最早是由Cover和Hart提出的一种分类算法

• 距离公式

两个样本的距离可以通过如下公式计算，又叫欧式距离 ，关于距离公式会在后面进行讨论

 

1.2 电影类型分析

假设我们现在有几部电影

 

其中？ 号电影不知道类别，如何去预测？我们可以利用K近邻算法的思想

 

分别计算每个电影和被预测电影的距离，然后求解

 

1.3 KNN算法流程总结

1）计算已知类别数据集中的点与当前点之间的距离

2）按距离递增次序排序

3）选取与当前点距离最小的k个点

4）统计前k个点所在的类别出现的频率

5）返回前k个点出现频率最高的类别作为当前点的预测分类

2 小结

• K-近邻算法简介【了解】
  • 定义:就是通过你的"邻居"来判断你属于哪个类别
  • 如何计算你到你的"邻居"的距离：一般时候,都是使用欧氏距离