K-Nearest Neighbor(KNN) 最邻近分类算法及其Python实现方式
发布时间
阅读量：
阅读量
K-Nearest Neighbor 最邻近分类算法：
这个别称为KNN的方法被认为是机器学习领域中最简单易懂的算法之一。其核心理念常被形象地称为"随大流"。该分类方法主要采用基于实例的学习方式（instance-based learning）以及懒惰学习的方法（lazy learning）。
懒惰学习：指的是仅在测试样本达到后才会实施分类决策的方式。
核心想法：
在距离空间中进行研究时发现，在任何一点周围选取其k个最近邻居并观察这些邻居所属类别的情况后会发现若大部分邻居都源自同一类别则该研究对象也被归类为这一类别
范例：
假设，我们有这样一组电影数据：
通过分析这些数据,我们可以得出结论.包括六部电影的数据及其归类.最后一位'未知'的样本需要判断其所属类别.
然后，在数据中我们将"打斗次数"这一属性命名为X，并将"接吻次数"命名为Y；这样所述的数据就能对应于坐标轴上的一点的位置
还没有任何评论哟~