sklearn学习笔记(二)——最近邻分类

本文是关于scikit-learn库中最近邻分类的学习笔记,包括无监督和有监督的最近邻方法,主要讲解了K近邻(KNN)和R近邻的概念,强调了它们作为非归纳型和基于实例的方法。内容涵盖如何使用sklearn.neighbors模块,KNeighborsClassifier类的参数选择及其意义,如n_neighbors、weights、algorithm等,并提醒在应用中注意特征的归一化处理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、概述
最近邻可以分为无监督和有监督,有监督可以分为分类和回归。
最近邻的思想是测试样本距离训练样本的距离。
最近邻是非归纳型方法,是基于实例的方法。它只是记住了训练样本,并按高级索引结构进行转换,比如Ball Tree或者KD Tree。
在sklearn.neighbors中可以处理Numpy数组。
scikit-learn中最近邻有两种方法:K近邻(限定个数)和R近邻(限定距离半径)(会遭遇维度灾难)
权重可以自行设定。
使用最近邻要注意将属性归一化的问题。

二、使用方法
from sklearn import neighbors
n_neighbors=x
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值