swansonge的博客

1.KNN近邻算法简介 图为二分类图，表示有两种类型的点，但是在图上（6.5,3.4）的地方有一个黑点，是还未分类的，从图上来看，大概觉得这是一个绿色的点，因为黑点周围的大部分也是绿点，所以黑点大概率是绿点。 KNN近邻算法就是依据周围的点的分类从而来判断自己的类别是属于什么分类。 计算过程十分的简单暴力，用距离计算公式依次计算一个点到黑点的距离： 从第一个点开始计算，得出一个距离，再计算第二个点，得出第二个距离…直到所有点与黑点的距离都被算出，然后选出距离最近的k个点作为参考，依旧少数服从多数，决定

分类模型的三种评价标准 分类模型有三种评价标准，分别是：混淆矩阵，ROC曲线和AUC面积 第一种标准：混淆矩阵 混淆矩阵：如下图 <1.>各个参数的含义： N/P=negative/positive:表示猜结果为错误（negative）或猜结果为正确（positive）。 T/F=true/false:表示预测成功（True）或预测失败（False）。 TN:表示猜结果应该为错误（negative即0）,预测成功（true），真正的结果也是0。 FP:表示猜结果应该为正确的（positive，