深度学习第三课-KNN

• 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）

      

  • 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
• 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。

      

  • 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