【机器学习】机器学习从零到掌握之一 -- 教你理解K近邻算法

本文是《机器学习从零到掌握》系列之第1篇

K近邻算法采用测量不同特征值之间的距离方法进行分类。

---

K-近邻算法工作原理：

存在一个样本数据集合，也称作训练样本集，并且样本集中的每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入每一标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后提取出样本集中最相似数据（最邻近）的分类标签。

一般来说，我们只选择样本数据集中前k个最相似的数据，k通常不大于20的整数。

最后选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

---

下边通过例子来理解k最邻近算法。

比如通过电影中打斗的镜头次数和亲吻的镜头次数作为特征对电影进行分类。有人统计过很多电影的打斗镜头和接吻镜头，下图显示了6部电影的打斗和接吻镜头数（问号表示未看电影）。通过这些特征使用KNN来对一步未看过的电影进行分类。