K近邻假设给定一个训练数据集,其中的实例类别一定,分类时,对新的实例根据其K个最近邻的训练实例的类别,通过多数表决等方式进行预测
K近邻法使用的模型实际上对应于特征空间的划分,模型由三个基本要素——距离度量,K值的选择,分类决策规则
距离度量
闵可夫斯基距离(Minkowski distance)或Lp距离
欧式距离
曼哈顿距离
K值的选择
在应用中, K值一般取一个较小的数值,通常采用交叉验证法来选取
分类决策规则
多数表决机制
K近邻假设给定一个训练数据集,其中的实例类别一定,分类时,对新的实例根据其K个最近邻的训练实例的类别,通过多数表决等方式进行预测
K近邻法使用的模型实际上对应于特征空间的划分,模型由三个基本要素——距离度量,K值的选择,分类决策规则
距离度量
闵可夫斯基距离(Minkowski distance)或Lp距离
欧式距离
曼哈顿距离
K值的选择
在应用中, K值一般取一个较小的数值,通常采用交叉验证法来选取
分类决策规则
多数表决机制