kNN分类算法属于有监督类学习算法。
该分类算法不需要训练算法,直接对待分类点进行决策分类。
算法实现过程如下:
1、计算测试点与已知类别数据集中点的距离;
2、对距离进行排序(递增)。
3、选取与测试点距离最小的k个点。
4、确定这k个点所在的类别的出现次数。
5、前k个点出现次数最多的类别即认为是测试点的类别。
算法实现原理图如下所示:
说明:为简化,每一行的元素都用了相同的符号,不同行之间也是重复的图形,但要明确这些是不同的;
关键要理解计算过程。
kNN分类算法属于有监督类学习算法。
该分类算法不需要训练算法,直接对待分类点进行决策分类。
算法实现过程如下:
1、计算测试点与已知类别数据集中点的距离;
2、对距离进行排序(递增)。
3、选取与测试点距离最小的k个点。
4、确定这k个点所在的类别的出现次数。
5、前k个点出现次数最多的类别即认为是测试点的类别。
算法实现原理图如下所示:
说明:为简化,每一行的元素都用了相同的符号,不同行之间也是重复的图形,但要明确这些是不同的;
关键要理解计算过程。