统计学习方法-----k近邻法

     

    k近邻法(KNN)是一种基本分类与回归方法。k近邻法的输入为实例的特征向量,对应于特征空间的点,输出为实例的类别,可以多类。

       简析:对输入的一个实例,取其最近邻的k个点组成集合,集合中的多数属于哪个类,则这个实例就属于哪类。

       k近邻模型的三个基本要素:距离度量,K值选择,分类决策规则。

1)距离度量:

           

         p值不同(即距离度量方式不同),确定的最近邻点是不同的。

                                          

2)k值选择:

               

3)分类决策---多数表决;

     输入实例的k个近邻实例中多数类决定输入实例的类

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