408/notes_estom
1
0
Fork 0
mirror of https://github.com/Estom/notes.git synced 2026-04-03 19:07:41 +08:00
Code Issues Packages Projects Releases Wiki Activity

all

Browse Source
This commit is contained in:
yinkanglong_lab
2021-03-20 16:25:48 +08:00
parent 63b084f7f3
commit 576bf8e1d7
1 changed files with 3 additions and 3 deletions
Download Patch File Download Diff File Expand all files Collapse all files

6
机器学习/殷康龙/机器学习笔记/2.k-近邻算法.md
View File

@@ -3,11 +3,11 @@
## 1 KNN 概述
* `k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。`**一句话总结: 近朱者赤近墨者黑！**
`k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。`**一句话总结: 近朱者赤近墨者黑！**
* k 近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k 近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，**k近邻算法不具有显式的学习过程**。
`k 近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k 近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，**k近邻算法不具有显式的学习过程**。`
* k 近邻算法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 **k值的选择、距离度量以及分类决策规则**是k近邻算法的三个基本要素。
`k 近邻算法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 **k值的选择、距离度量以及分类决策规则**是k近邻算法的三个基本要素。`
## 2 KNN 场景