本文以初学者的角度，通过《机器学习实战》一书中的例子，介绍了机器学习的基础算法——kNN（K-NearestNeighbors）。kNN是一种分类方法，通过计算样本间的距离，选取最近的k个邻居来决定未知样本的类别。文章详细解释了kNN的工作原理，并通过一个电影分类的例子说明了k值的重要性。最后，文章将实现一个简单的kNN算法代码示例。
我最近才开始接触机器学习，我大学数学学的几乎忘了，最近才接触python。所以我以一个完全初学者角度来学习机器学习。
我主要用的书籍就是machine learning in action （机器学习实战）这本书。我主要是用文中已有的代码来讲解机器学习。
同时对代码进行大量注释，主要针对初学者以及python刚学的，这样理解透彻。
第一章 K近邻算法kNN（K-NearestNeighbors）
这个算法是最基础的机器学习分类方法。我先给定义。
如果一个样本在特征空间中k个最相似的样本中的大多数属于一类，则这个样本属于这个类别。
书中举出了一个例子。也就是电影的例子。
比如怎么把自己看过的电影进行分类，怎么定义它。
比如把电影分成 爱情片还是动作片。比如有些人通过接吻和武打的次数来来进行分类。图中给出了一些电影的分类按照接吻的次数和武打的次数。
但是现在有一部电影你想知道是爱情片还是动作片。
首先根据以前的数据，比如下表中的电影类别来判别未知电影的类别。
然后我们假设k＝3。那么我们对已经算好的上个表格中距离数据排序。找出距离最近的前三位电影。然后我们发现He’sNot Really into Dudes, Beautiful Woman, and Cali
最低0.47元/天 解锁文章
扫一扫
525
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
