机器学习入门解析KNN算法配图说明

文章结构概览

• • 一.KNN算法概述

    • 二.KNN算法介绍

    • • 2.1距离计算方式
      • 2.2 K值确定方法

    • 三.KNN特性分析

    • • KNN算法的优缺点分析
      • • KNN算法优势说明

    • KNN算法存在的不足

    • 四.代码实现部分：

    • • 基于KNN完成鸢尾花数据集分类任务
      • • 实现方式一（调用库函数）

    • 实现方式二（编写底层代码）

      • 运算结果展示

一.KNN算法原理与应用

KNN算法可被视作分类方法中较为基础的一种，同时也是实际应用中较为广泛的一种。需要特别指出的是，KNN属于有监督学习框架下的分类技术，其外观与另一种机器学习方法Kmeans存在一定的相似性（Kmeans属于无监督学习范畴），但二者在原理上存在根本性的差异。接下来，我们将对KNN算法的具体内容进行详细阐述。

二.KNN算法原理与应用

KNN的完整名称为K Nearest Neighbors，其含义为K个最近邻，从这一名称中便可以初步了解该算法的核心思想。所谓K个最近邻，显然K的数值选择在算法运行过程中具有决定性作用。那么，这里的“最近邻居”具体又是指什么呢？实际上，KNN的基本原理是：当需要对一个新的数据点x进行分类时，依据与x距