2、KNN(k-近邻算法)

最新推荐文章于 2024-08-22 17:27:46 发布
最新推荐文章于 2024-08-22 17:27:46 发布
阅读量211 收藏
点赞数
分类专栏： 机器学习基础算法 文章标签： 算法 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zpp15603669517/article/details/120033573
版权

文章目录

一、KNN简介

  • KNN是无监督的分类算法

1.1 原理举例

在这里插入图片描述

1.2 算法引出

  • 举个简单的例子，可以用k-近邻算法分类一个电影是爱情片还是动作片。（打斗镜头和接吻镜头数量为虚构）
    在这里插入图片描述

1.3 算法原理-----欧氏距离 选出K个排序的概率

在这里插入图片描述

  • 一般会有多个特征， 距离就用欧氏距离来计算
    在这里插入图片描述
    在这里插入图片描述

二、 归一化处理

在这里插入图片描述
相关连接（笔记来自于视频课程的归类整理）：
[1]: https://edu.cda.cn/my/course/966/material?type=material

永久_小玖
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
机器学习-无监督学习-KNN算法
allowancedebug的博客
07-19 1万+
机器学习—无监督学习-KNN算法 1.KNN算法是什么？ KNN算法是一种监督式学习算法，核心思想是用距离最近的k个样本数据的分类来代表目标数据的分类。从原理上来说， 存在一个训练样本集，这个数据训练样本的数据集合中的每个样本都包含数据的特征和目标变量（即分类值），输入新的不含目标变量的数据，将该数据的特征与训练样本集中每一个样本进行比较，找到最相似的k个数据，这k个数据出席那次数最多的分类，即输...
KNN算法（有监督学习算法）
奋斗才是年轻该有的状态
06-23 1万+
一、KNN算法简介   KNN算法又称k近邻分类(k-nearest neighbor classification)算法。它是根据不同特征值之间的距离来进行分类的一种简单的机器学习方法，它是一种简单但是懒惰的算法。他的训练数据都是有标签的数据，即训练的数据都有自己的类别。KNN算法主要应用领域是对未知事物进行分类，即判断未知事物属于哪一类，判断思想是，基于欧几里得定理，判断未知事物的特征和哪一类
无监督和有监督算法的区别
keepreder
07-28 4万+
无监督和有监督的理解方法有很多，主要可以从以下几方面来理解： 1、无监督与监督学习的区别在于一个无教学值，一个有教学值。但是，个人认为他们的区别在于无监督学习一般是采用聚簇等算法来分类不同样本。而监督学习一般是利用教学值与实际输出值产生的误差，进行误差反向传播修改权值来完成网络修正的。但是无监督学习没有反向传播修改权值操作。   2、样本全部带标记/样本全部不带标记··· PS:
机器学习两种方法——监督学习和无监督学习（通俗理解）
热门推荐
风翼冰舟的博客
09-19 13万+
监督学习与无监督学习
K-近邻算法KNN学习笔记
01-27
K-近邻算法（K-Nearest Neighbor, KNN）是一种基础的机器学习算法，主要用于分类和回归任务。它的核心思想是基于实例的学习，通过在训练数据集中寻找与新样本最为相似的邻居来做出预测。KNN算法由Cover T和Hart P在...
k-近邻算法_K-近邻算法_K._
09-29
**k-近邻算法（K-Nearest Neighbors，简称KNN）** k-近邻算法是一种基于实例的学习，属于监督学习方法，广泛应用于分类和回归问题。在分类任务中，KNN的基本思想是：对于一个新的未知类别的数据点，我们将其划归到...
kNN.zip_K-近邻算法_K.
09-24
通过k近邻算法实现数字识别，主要包含0-9之间的所有数字。
k-近邻算法（KNN）
02-27
**k-近邻算法（KNN）详解** k-近邻算法（KNN，K-Nearest Neighbors）是监督学习领域中一种基础且重要的非参数算法。它基于实例学习，通过找出训练集中与未知类别样本最接近的k个已知类别的样本，然后根据这些样本的...
人工智能-KNN-K近邻算法-iris-鸢尾花识别
12-22
本资源是关于人工智能领域K近邻算法(KNN)的实例演示-鸢尾花识别-使用excel分辨鸢尾花种类，内容详细解读KNN如何解决分类问题，为大众提供一种解决问题的全新方法。内含各大公式作用指导，帮助大家进一步理解何为KNN...
KNN算法理解
weixin_41803339的博客
01-11 1736
序言 KNN作为最基础的机器学习算法，是很多学习算法的孩子们最先接触到的，但该算法从头到尾自己实现也是有一定难度，很多课程只是教怎么调封装好的算法库，却没有教核心的算法怎么从头实现，所以有点舍本逐末。 算法核心 1、近朱者赤，近墨者黑。根据临近的标签值通过投票法则确定样本类别。 2、每一个未知样本都要计算它到所有已知有标签样本的距离。 3、k值选择比较重要。 代码实现 import numpy as np def createdata(): """ 创建一个数据集 Return:
机器学习概述
Stay Focused And Work Hard !!!
12-10 1073
什么是机器学习 通俗地讲机器学习是：将大量数据输入计算机，计算机对这些数据进行分析，并总结出这些数据之间的关系或者数据包含的规律；最后通过上一步总结出来的规律对新输入的数据进行预测。 通常说的机器学习主要分为监督学习与非监督学习，当然还有处于监督与非监督之间的比如半监督学习。 举个机器学习的例子： 监督学习的例子 非监督学习的例子 监督学习与非监督学习的区别： 最本质的区别是监督学...
AI算法-KNN
hcxddd的博客
05-05 1259
KNN
机器学习复习18-无监督K-Means & 监督KNN
Xu_Wave
05-09 1133
机器学习复习18 无监督K-Means & 监督KNN
机器学习算法/模型——有监督到无监督（聚类）：由 KNN 到 K-menas
Robin_Pi的博客
02-25 1万+
聚类1. KNN（K-Nearest Neighbor）1.1 基本思想1.2 算法步骤2. 聚类（Clustering）3. K-means 有监督学习和无监督学习，是机器学习两个大的类别。 聚类算法属于无监督学习：训练数据只有输入变量 x 而没有输出变量 y 。 无监督学习的目的是将这些训练数据潜在的结构或者分布找出来，以便于我们对这些数据有更多的了解。 1. KNN（K-Nearest Ne...
机器学习之Kmeans与Knn算法，监督与无监督区别
qq_40967086的博客
09-30 793
4、由于里面涉及了监督学习与无监督学习，所以推荐两篇文章介绍监督与无监督学习的。学习Kmeans算法时衍生出的一系列问题。
KMeans算法简介以及其与KNN的区别
weixin_44111292的博客
06-16 1万+
KMeans算法是一种无监督的聚类方法，其工作流程如下： (1)在一群无标签的数据中，随机选择k个数据作为簇中心（k是人为选择的） (2)依照某种距离度量，计算除掉这k个数据点的其他数据点到这k个簇中心的距离，将该点划分到离他最近距离的簇中心所属的簇。 (3)计算划分好的簇的质心，使其作为新的簇的中心。 (4)重复(2)到(3)步，直到新的质心与原来的簇的中心相等或者两者的距离小于阈值就停止重新划分 KNN算法是一种监督学习算法，其工作流程如下： (1)当有新的测试样本出现时，计算其到训练集中每个数据点的距
算法日记day 45（单调栈之每日温度|接雨水）
最新发布
m0_74980681的博客
08-22 860
如果大于，则取栈顶元素为中间值并弹出栈顶元素，将遍历的元素与新的栈顶元素值比较取较小者，减去中间值得到高度h，然后栈顶元素下标值减去当前遍历的元素下标值再减一得到宽度w，最后高×宽得到面积，并记录，重复上述操作，直到遍历结束。第三种，如果遍历的元素值大于栈顶元素，用该下标减去栈顶元素下标，并将栈顶元素弹出，继续用该元素与新的栈顶元素比较，如果小于等于，则压入栈，如果大于，重复第三步操作。第一种，如果之后遍历的元素值小于栈顶压入的元素，将该元素的下标压入栈中。如果小于栈顶元素值，则压入栈内。
代码随想录算法训练营19-回溯1
weixin_53416771的博客
08-22 357
画出来的树是这样记录所有组合，一个变量current装当前的处理结果，一个res装所有的处理的结果下面的代码还可以剪枝优化。
"Python实现k-近邻算法及案例分析
通过PPT《k-近邻算法概述及其python实现》，我们将首先对kNN算法进行概述，并介绍简单分类器搭建、约会网站改进和手写字体识别三个案例的python实现。这些案例不仅具有一定的理论指导意义，还具有很强的实践应用性，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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