用Tensorflow实现简单的KNN

本文介绍了KNN算法的基本概念,包括模型复杂度与K的关系,以及分类决策规则。接着详细阐述了KNN的计算步骤:计算样本间距离、寻找最近邻及进行分类。最后,展示了使用Python和numpy实现KNN分类的初步过程。
摘要由CSDN通过智能技术生成

       一、KNN算法的概念

邻近算法,或者说K最近邻(kNN,k-NearestNeighbor)分类算法是 数据挖掘分类技术中最简单的方法之一。所谓K最近邻,就是k个最近的邻居的意思,说的是每个样本都可以用它最接近的k个邻居来代表。

      简单来说,K-NN可以看成:有那么一堆你已经知道分类的数据,然后当一个新数据进入的时候,就开始跟训练数据
    里的每个点求距离,然后挑离这个训练数据最近的K个点看看这几个点属于什么类型,然后用少数服从多数的原则,
   给新数据归类。
评论 1
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