机器学习之KNN(K-nearest neighbors)

KNN算法步骤:

1、选取所有已知类别的实例作为参照选择参数K

2、计算位置实例与所有已知实例的距离

3、选择最近K个已知实例

4、根据少数服从多数的投票法则,让位置实例归类为K个最邻近样本中最多数的类别

距离的衡量标准:欧式距离、曼哈顿距离等等

算法优缺点:

优点:

简单,易于理解,无需建模与训练,易于实现;

适合对稀有事件进行分类;

适合与多分类问题,例如根据基因特征来判断其功能分类,kNN比SVM的表现要好。

缺点:

kd-tree

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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