- 1. KNN算法原理就是当预测一个新的值x时候,根据它距离最近的K个点是什么类别来判断x属于哪个类别。
- 即K最临近算法,属于机器学习中非参数估计(nonparametric estimation)的一种。
- K=3
- K=5
- 2. KNN实现步骤:
- 2.1 计算距离(欧几里得距离或者马氏距离)
- 欧几里得距离(二维)
- 马氏距离(多维)
- 欧几里得距离(二维)
- 2.2 升序排列
- 2.3 取前K个
- K的取值太大会导致分类模糊;太小会受个例4影响,波动较大。
- 2.4 加权平均
- 经验
- 2.1 计算距离(欧几里得距离或者马氏距离)
- 3. sklearn knn算法
- 4. 语句代码:
- 4.1 shuffle()函数方法将序列中的所有元素随机排列
- 要使用随机数,首先导入随机数模块。然后通过random静态对象调用该方法。
- 要使用随机数,首先导入随机数模块。然后通过random静态对象调用该方法。
- 4.2 sorted() 函数对所有可迭代的对象进行排序操作。
- 4.3 csv是一个被行分隔符、列分隔符划分成行和列的文本文件
- 4.4 format()函数
- 4.1 shuffle()函数方法将序列中的所有元素随机排列
深度学习第三课-KNN
最新推荐文章于 2022-12-13 23:44:14 发布