本文介绍了KNN算法在Python中的应用，详细阐述了分类、监督学习与无监督学习的概念，并通过实例讲解了KNN算法的工作原理、交叉验证方法以及在IRIS数据集上的实战操作，最后展示了如何使用sklearn库进行KNN模型的训练和评估。
一、分类
分类是用来预测类别数据的一种方法，可以用来预测未来一段时间内用户是否会流失，预测用户是否会响应你的促销活动，能够评估用户的信用度是好还是差的一系列分类预测问题。
二、概念
2.1监督学习（Supervised Learning）
从给定标注的训练数据集中学习出一个函数，根据这个函数为新数据进行标注。（有因变量y）回归分类、分类、时间序列等。
2.2无监督学习（Unsupervised Learning）
从给定五标注的训练数据中学习出一个函数，根据这个函数为所有数据标注。（聚类、因子、关联等）
2.3分类（Classification）
分类算法通过对已知类别训练数据集的分析，从中发现分类规格，以此预测新数据的类别，分类算法属于监督学习。
三、KNN算法（k-NearestNeighbor）
1.找一个距离，例如最小的圆圈，圈内的训练样本数为3个，其中一个为矩形、两个三角形，待分类的数据从距离上看很可能是三角形。但是把虚线放大，放大到虚线的圆圈，其中有3个蓝色的矩形，2个红色的三角形，
最低0.47元/天 解锁文章
扫一扫
670
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
