K - 近邻算法

引用自  github ， 

概述：

　　k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。

原理：

1. 假设有一个带有标签的样本数据集（训练样本集），其中包含每条数据与所属分类的对应关系。
   
   
2. 输入没有标签的新数据后，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。
   
   
   1. 计算新数据与样本数据集中每条数据的距离。
   2. 求得的所有距离进行排序（从小到大，越小表示越相似）。
   3. 前 k （k 一般小于等于 20 ）个样本数据对应的分类标签。
      
      
3. 求 k 个数据中出现次数最多的分类标签作为新数据的分类。

转载于:https://www.cnblogs.com/xsmile/p/10677029.html