本文详细介绍了KNN（K-最近邻）算法，包括算法的基本思想、通用步骤、K值选择及其影响，以及实战中如何应用于癌症检测数据。通过计算距离、排序、选取前K个邻居和加权平均来确定新样本的类别。K值的选择对分类结果至关重要，太大会导致模糊，太小则易受个别样本影响。实战部分展示了如何利用KNN进行癌症类型预测。
1.什么是knn算法#
俗话说：物以类聚，人以群分。看一个人什么样，看他身边的朋友什么样就知道了(这里并没歧视谁，只是大概率是这样)
对于判断下图绿色的球是哪种数据类型的方法就是根据寻找他最近的k个数据，根据k的值来推测新数据的类型。
比如下图离绿球最近的红三角有两个，蓝方块有一个，因此推测绿色的球为红色的三角，这就是knn算法的思想
2.算法原理#
2.1通用步骤#
2.1.1计算距离#
刚才说knn算法的思想就是根据当前数据最近的k个数据的值来判断当前数据的类型，这就要先计算出当前数据到其它数据的距离，可以使用欧几里得距离(所有的距离求出来之后各自平方并相加，然后对相加的结果进行开放)或马氏距离
2.1.2升序排
最低0.47元/天 解锁文章
7594
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
