K-近邻算法(KNN)

KNN:k-Nearest Neighbor

假设训练集有记录: r1,r2,...,rn 共n条,训练集的特征向量及其对应的类别都是已知的,每个记录的特征向量为: t1,t2,...,tk 共k个特征,待测试的记录为 ru

1、计算 ru 的特征向量与训练集的每条记录(即 r1,r2,...,rn )的特征向量的欧式距离,选取距离最小的K个(这也是k近邻算法中k的来历)。
2、看距离最近的k个记录中那个类别的频数最大,取频数最大的作为 ru 的类别。

注意:在计算欧式距离的时候,可以先将数据归一化,这样利于计算,计算起来比较快。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值