机器学习之KNN算法（学习笔记）

最新推荐文章于 2024-10-14 21:24:36 发布

a云ya

最新推荐文章于 2024-10-14 21:24:36 发布

阅读量291

点赞数

文章标签：机器学习算法学习

本文链接：https://blog.csdn.net/m0_56264259/article/details/125982540

版权

KNN算法是一种简单且直观的分类技术，基于样本的最近邻原则进行预测。本文介绍了KNN的定义、距离计算公式，强调了k值选择的重要性，并通过鸢尾花数据集展示了其实例应用。同时，指出了KNN算法的优缺点，如计算复杂度高、需指定k值等，并提出了使用网格搜索进行参数优化的方案。

摘要由CSDN通过智能技术生成

机器学习之KNN算法

KNN算法的定义及原理
- 距离公式的使用
- 注意k的取值
鸢尾花种类预测案例
优缺点

KNN算法的定义及原理

K—近邻算法（K Nearest Neighbor）算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。
其定义为：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。