kNN(k近邻算法)

本文介绍了kNN算法的基本原理,包括其三要素:k值的选择、距离度量方式及分类决策规则,并探讨了多数表决这种分类决策规则的理论基础——经验风险最小化。此外,还讨论了影响kNN分类效果的关键因素。

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

kNN是一种基本的分类与回归方法,其三要素是k值得选择、距离度量及分类决策规则。

kNN算法流程:

这里写图片描述
简单的说就是计算查询点与数据集中所有数据的某种距离或者相似度,将其归为最近的K个数据中数量最多的一类。

kNN思想理论:
knn中最关键的理论就在于多数表决这种分类决策规则的理论过程:
这里写图片描述

从原文可以看到,多数表决分类的理论基础就经验风险最小化,也就是分类的正确率最高。

影响kNN分类效果的关键性因素:
1.距离度量方式
2.K值得选取

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