对于未知类别属性数据集中的点:
- 计算一直类别数据集中的点与当前点的距离
- 按照距离依次排序
- 选取与当前点距离最校的K个点
- 确定前K个点所在类别的出现频率
- 返回前K个点出现频率最高的类别作为当前点预测分类
概述:
KNN算法本身简单有效,它是一种lazy-learning算法。分类其不需要使用训练集进行训练,训练时间复杂度为0。
KNN 分类的计算复杂度和训练集中的文档数目成正比,也就是说,如果训练集中文档总数为n,那么KNN的分类时间复杂度为O(n)。
== K值的选择,距离度量和分类决策规则是该算法的三个基本要素 ==
问题:该算法在分类时有一个不足,当样本不平衡时,如果一个类的样本容量很大,而其他类样本容量很小时,有可能导致当输入一个新样本时,该样本的K个邻居中大容量类的样本占多数。
解决:不同的样本给予不同权重项。
数据库实例:
CIFAR-10 10类标签、50000个训练数据、10000个测试数据、大小均为32*32
CIFAR-10官网链接(可下载数据集,但是下载极慢)
如何使用N-近邻算法去计算呢?
线性分类
SVM损失函数
梯度下降
学习率
反向传播
Sigmoid激活函数 会有梯度消失的现象
ReLU,解决梯度消失现象,并且就求导简单
神经网络使用多层隐层,每一层都使用激活函数,使得整个神经网络成为非线性。
https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html