数据分析【机器学习】-KNN分类模型

KNN分类模型的原理与使用

目录

文章目录

前言

一、KNN模型

1.概念

2.距离

3.k值的重要性

二、使用步骤（鸢尾花分类的实现）

1.引入库

2.读入数据

3.训练模型

4.模型的评价

5.对未知数据的分类

总结

---

前言

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的分中的KNN模型。KNN模型可以用来解决分类和回归问题。

一、KNN模型

1.概念

   简单的说，K-近邻算法采用不同特征值之间的距离方法进行的分类。KNN分类器根据多数表决原则确定数据点的类别。如果k设置为5，则检查5个最近点的类别。也可以根据多数类进行回归预测，同样，KNN回归取5个最近点的平均值。

2.距离

KNN不用曼哈顿距离，因为它只计算水平或垂直距离，有维度的限制。另一方面，欧氏距离可用于任何空间的距离计算问题。因为，数据点可以存在于任何空间，欧氏距离是更可行的选择。