首页 / 知识
Python K-近邻算法概述
2023-11-12 13:31:00
简单来说K-近邻算法采用测量不同特征值之间的距离方法进行分类。
K最近邻(k-NearestNeighbor，KNN)，是一种常用于分类的算法，是有成熟理论支撑的、较为简单的经典机器学习算法之一。该方法的基本思路是：如果一个待分类样本在特征空间中的k个最相似(即特征空间中K近邻)的样本中的大多数属于某一个类别，则该样本也属于这个类别，即近朱者赤，近墨者黑。显然，对当前待分类样本的分类，需要大量已知分类的样本的支持，其中k通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最近邻的一个或者几个样本的类别来决定待分样本所属的类别。因此KNN是一种有监督学习算法。
简单的例子解释KNN算法
最简单最初级的分类器时将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类，但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。
下面通过一个简单的例子说明一下：绿色圆要被决定赋予哪个类，是红色三角形?还是蓝色四方形?如果K=3，由于红色三角形所占比例为2/3，绿色圆将被赋予红色三角形所属的类，如果K=5,由于蓝色四边形比例为3/5，因此绿色圆被赋予蓝色四边形类。
由此也说明了KNN算法的结果很大程度取决于K的选择。
以上内容为大家介绍了PythonK-近邻算法概述，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注我们
最新内容
相关内容
Python网络编程调用接收数据的三种
Python网络编程调用接收数据的三种方法，数据，代码，基础，通用，通讯，服务，网络，培训，方法，报文，最近在使用python进行网络编程开发一个通用的tc
数据科学领域Python比R语言更好
数据科学领域Python比R语言更好，数据，公司，工具，时间，项目，工作，庞大，受益，系统，代码，经常有学员问我们，在数据科学领域里，到底是该选Python呢，
python的数据类型
python的数据类型，数字，较大，数据，培训，变量，表示，字符串，赋值，常量，小数，1.整型Python可以处理任意大小的整数，当然包括负整数，在程序中的表示
Python语言自带的数据结构有哪些
Python语言自带的数据结构有哪些，异常，数字，数据，元素，序列，培训，位置，名称，分析，括号，Python作为一种脚本语言，其要求强制缩进，使其易读、美观
提升Python数据分析能力的方法
提升Python数据分析能力的方法，分析，数据，工具，代码，时间，环境，报告，信息，培训，标准，1.Pandas分析包这个工具的好处是显而易见的。下面的动画Python数据结构的时间复杂性
Python数据结构的时间复杂性，时间，项目，情况，平均，复杂度，培训，术语，数据，状态，操作，1.让我们了解大O符号的含义是什么?在算法中执行许多操作
数据科学中必须了解的Python核心库
数据科学中必须了解的Python核心库，数据，生产，代码，标准，分析，培训，图片，工具，统一，涉足，python有三个核心数据科学库，在此基础上还创建了许多使用Python处理JSON格式的数据
使用Python处理JSON格式的数据，数据，代码，名称，信息，培训，对比，灵活，字典，文件，格式，如果你不希望从头开始创造一种数据格式来存放数据，JSON是
Python编程中3个常用的数据结构和
Python编程中3个常用的数据结构和算法，代码，电话号码，销售额，有限，情况，分解，异常，名称，平均，位置，python内置了许多非常有用的数据结构，比如Python变量数据类型的转换
Python变量数据类型的转换，代码，数据，培训，信息，字符串，类型，变量，整数，浮点，函数，虽然Python是弱类型编程语言，不需要像Java或C语言那样还要Python机器学习之AdaBoost算法
Python机器学习之AdaBoost算法，数据，综合，失衡，时间，培训，算法，样本，权重，模型，机器，算法概述AdaBoost是英文AdaptiveBoosting(自适应增强)的Python类和对象
Python类和对象，代码，培训，对象，实例，定义，关键字，函数，问题，顶层，全名，刚接触python中的类和对象，我也和大多数小伙伴一样迷茫，不知道它和我所