数理统计——进行KNN分类及预测

阅读量：

文章目录

引言
- 基本概念
  - 算法的核心原理
  - 算法参数设置
  - 算法运行步骤
  - 如何度量数据之间的距离？
  - K-D树结构
  - 权重计算策略
- 二、使用KNN实现分类
- 三、使用KNN回归预测

前言

学习KNN算法的原理；
超参数调整；
KNN算法的应用；

一、相关概念

先来看一个例子：

复制代码

    import numpy as np 
    import matplotlib.pyplot as plt
    plt.rcParams["font.family"]="SimHei"
    plt.rcParams["axes.unicode_minus"]=False
    plt.rcParams["font.size"]=12 
     
    good=np.array([[95,93],[90,92],[91,96]])
    medium=np.array([[85,82],[83,87],[80,84]]) 
    bad=np.array([[61,69],[66,63],[72,65]])
    unknow=np.array([[83,77]])
    
    plt.scatter(good[:,

全部评论 (0)

还没有任何评论哟~