AI大模型 - 机器学习2（K近邻算法）

最新推荐文章于 2025-11-23 19:13:18 发布
最新推荐文章于 2025-11-23 19:13:18 发布
阅读量54 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 零基础入门AI大模型 - 基础篇 文章标签： 人工智能 机器学习 近邻算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/eraining/article/details/149841237

一、 KNN算法简介

  • K-近邻算法（K Nearest Neighbor，简称KNN）。

  • KNN算法思想：如果一个样本在特征空间中的 k 个最相似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。

  • 解决问题：分类问题、回归问题

  • 相似性：欧氏距离

  • 分类流程

    • 计算未知样本到每一个训练样本的距离
    • 将训练样本根据距离大小升序排列
    • 取出距离最近的 K 个训练样本
    • 进行多数表决，统计 K 个样本中哪个类别的样本个数最多
    • 将未知的样本归属到出现次数最多的类别

  • 回归流程

    • 计算未知样本到每一个训练样本的距离
    • 将训练样本根据距离大小升序排列
    • 取出距离最近的 K 个训练样本
    • 把这个 K 个样本的目标值计算其平均值
    • 作为将未知的样本预测的值

二、 KNN算法API

2.1 分类问题

  • KNN分类API
    • sklearn.neighbors.KNeighborsClassifier(n_neighbors=5)
了解本专栏 订阅专栏 解锁全文 超级会员免费看
机器学习笔记——KNN（K-Nearest Neighbors，K 近邻算法）
haopinglianlian的博客
11-17 2129
本笔记介绍机器学习中的 KNN（K-Nearest Neighbors，K 近邻算法）
机器学习实验2——k-近邻算法
chill333的博客
03-24 790
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，简单来说就是“物以类聚”，计算k个与预测对象距离最近的点，并将出现次数最多的标签最为预测结果。在模型的训练过程中，k值对训练的结果有巨大的影响，k的取值过大会出现欠拟合，k的取值过小会出现过拟合。并且通过此次实验，也能对机器学习有一个大致的概念，明白机器学习的目的与应用，帮助之后对更难的算法的理解。
机器学习 -- 简析KNN（k近邻算法）
2401_84433535的博客
05-03 446
面试前要精心做好准备，简历上写的知识点和原理都需要准备好，项目上多想想难点和亮点，这是面试时能和别人不一样的地方。还有就是表现出自己的谦虚好学，以及对于未来持续进阶的规划，企业招人更偏爱稳定的人。万事开头难，但是程序员这一条路坚持几年后发展空间还是非常大的，一切重在坚持。开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】为了帮助大家更好更高效的准备面试，特别整理了《前端工程师面试手册》电子稿文件。前端面试题汇总。
机器学习-k近邻算法模型评估
m0_74216325的博客
04-15 910
模型评估是指对机器学习或统计模型进行性能评估和验证的过程。通过模型评估，可以较好的发现模型的不足之处，评估模型验证的准确度，并为进一步改进模型提供指导。模型评估常见的方法有：交叉验证，留出集验证等方式，不同的验证方法有其自身的优缺点。在本次模型评估实验中，通过留出法，将数据集分为测试集和训练集，将待测数据中的每个元素利用第二节的knn算法进行标签预测，并匹配待测数据的标签是否和给定的标签相一致，如果一致就用计数器变量记录下来，反之丢弃。
【机器学习】K近邻算法
闻道有先后，术业有专攻
11-12 2540
K近邻算法（K-Nearest Neighbors, KNN）是一种简单但非常实用的监督学习算法，主要用于分类和回归问题。KNN 基于相似性度量（如欧几里得距离）来进行预测，核心思想是给定一个样本，找到与其最接近的 K 个邻居，根据这些邻居的类别或特征对该样本进行分类或预测。
机器学习——K-近邻算法（KNN）
CYTLOVELY的博客
11-29 4196
K-近邻算法（K-Nearest Neighbors, 简称 KNN）是一种基于实例的机器学习算法，广泛应用于分类和回归任务。它通过计算数据点之间的相似度（通常是距离度量），然后预测新的数据点的标签或数值。在图像分类任务中，KNN 可以通过计算图像特征向量之间的距离来分类，例如手写数字识别。KNN 可用于垃圾邮件检测，通过比较新邮件和历史邮件的相似性，判断其类别。原则，根据 kkk 个最近邻居的类别进行投票，选出出现最多的类别。基于用户相似度的推荐系统中，KNN 常用于查找兴趣相似的用户群体。
机器学习-k近邻算法(kNN算法)及简单实现
m0_52053228的博客
10-26 1200
k-近邻（k-Nearest Neighbor，简称kNN）是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测，选择这k个样本中出现最多的类别标记作为预测结果。，其类型属于图书馆，而k-近邻算法不会，因为在它眼里，建筑类型只有食堂和教学楼，它会提取样本集中特征最相似数据(最邻近)的分类标签，得到的结果可能是食堂，也可能是教学楼，但绝不会是图书馆。开始，随着k的逐渐增大，k近邻算法的分类效果会逐渐提升；
机器学习基础-day02-K近邻算法
XZSSWJS的博客
09-04 819
初学小小白，个人笔记使用，仅供参考
机器学习（4）—— K近邻算法
jiaomongjun的博客
04-12 1054
给定一个待分类（或回归）的数据点，找到训练集中距离该数据点最近的K个邻居，然后通过这些邻居的标签（分类问题）或数值（回归问题）来预测该数据点的标签或数值。：待预测样本的类别由其K个最近邻居的**多数投票（Majority Voting）**决定。”，通过计算待预测样本与训练样本的距离，找到最近的K个邻居，基于这些邻居的标签进行预测。计算待分类点与所有训练集点之间的距离，常用的距离度量包括欧几里得距离、曼哈顿距离等。：计算样本间距离的方法（如欧氏距离、曼哈顿距离）。：选择最近的K个邻居（影响模型复杂度）。
机器学习之K近邻算法
青枫浦上不胜愁
09-06 1150
分类，例如，根据口味和色泽划分新的葡萄酒的类别，根据内容形式划分新上映电影的类别，根据过往人脸特征进行人脸识别等。这些问题都 可以采用机器学习中非常经典的K近邻算法来解决。
机器学习实战 - KNN（K近邻）算法PDF知识点详解 + 代码实现
04-27
**K-近邻（KNN）算法**是机器学习领域中一种基础且直观的分类算法。它的核心思想是根据输入样本最接近的K个训练样本的类别来预测新样本的类别。KNN算法最早由Cover和Hart在1968年提出，是一种基于实例的学习方法，...
黄仁勋GTC开场：「AI-XR Scientist」来了！
2501_94005722的博客
11-20 1311
丛乐 (Le Cong)，斯坦福大学医学院病理学系和遗传学系教授。他被公认为是 CRISPR 基因编辑领域的奠基人之一。早在哈佛大学攻读博士学位期间，丛乐在导师张锋（Feng Zhang）和乔治・丘奇（George Church）的指导下，作为第一作者在 Science, Cell, Nature 杂志上发表了数篇标志性论文，首次证实 CRISPR/Cas9 系统可以在哺乳动物和人类细胞中实现基因编辑，为这一革命性技术的后续应用奠定了基石。
传统NLP算法
记录成长‌，知识沉淀，连接同行‌
11-19 742
传统NLP算法与当前大模型的对比分析 传统NLP算法主要基于规则和统计模型（如HMM、CRF、SVM），依赖人工特征工程和领域知识，适合特定任务但泛化能力有限。其优势在于可解释性强、计算资源需求低。典型应用包括分词、命名实体识别和文本分类等。 现代大模型（如Transformer架构LLM）采用预训练-微调范式，通过海量数据自动学习语言表示，具备强大的生成能力和跨任务迁移性。它们能处理复杂任务如对话生成和多语言翻译，但需巨额计算资源。 二者存在技术演进关系：大模型继承了传统NLP的核心思想，但通过深度学习实
基于华为开发者空间实现花卉识别
优快云高校俱乐部官方博客
11-21 1492
基于华为开发者空间实现花卉识别
人工智能在医疗行业的革命性应用：从诊断到个性化治疗
2501_94114442的博客
11-21 460
人工智能（AI）技术近年来已经渗透到各个行业，其中，医疗行业无疑是受益最大之一。从疾病的早期诊断到个性化治疗方案的制定，AI正在加速医学领域的变革。通过机器学习、深度学习、自然语言处理等技术，AI不仅能够处理和分析大量的医疗数据，还能够帮助医生做出更加精准的决策，提升患者的治疗效果，并优化整个医疗体系的运作效率。本文将探讨人工智能在医疗行业的应用，分析其在不同医疗领域的具体作用，并展望AI如何进一步推动医疗健康行业的发展。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
最新发布
人生不是轨道，是旷野。希望每天都有好心情。
11-23 150
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
创客匠人 2025 高峰论谈（11.22-25）：AI 智能体重构创始人 IP 打造与知识变现的管理逻辑
ckjrxx的博客
11-20 629
这一 “数据化定位逻辑”，将在。创客匠人峰会筹备阶段强调，AI 智能体的核心意义是 “解放人”—— 将创始人从机械性工作中解放，专注知识体系迭代、用户信任构建等核心价值创造，让知识变现从 “个人生意” 升级为 “企业级业务”。创始人 IP 定位的核心是 “找到市场需求与核心能力的交集”，传统模式本质是 “个体直觉管理”，而 AI 智能体通过数据化管理思维，将定位转化为可量化、可追溯的流程。这些问题本质是企业管理中 “个体能力” 与 “系统效率” 的失衡，而 AI 智能体的出现，正从管理底层重构这一逻辑。
强化学习人形机器人奖励函数分析
ModestCoder_的博客
11-23 578
PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的跟随精度。这种设计是现代机器人控制领域的标准范式。形式，在总奖励计算中通常会被赋予。
宇树G1-D：人形机器人下一步方向！
Charlie_Mo的博客
11-21 960
宇树科技推出G1-D人形机器人工作站全栈解决方案，实现从硬件平台向"硬件+数据+AI"生态平台升级。该方案以G1-D为核心载体，为AI模型开发提供强力支撑，可应用于制造业等场景，提升生产精度和效率。在AI技术快速发展的背景下，掌握基于G1-D的AI开发技能将增强就业竞争力。这一创新方案为行业搭建AI训练基础设施，推动技术进步，展现未来发展潜力。
掌握K近邻算法：机器学习与算法源代码详解
资源摘要信息:"机器学习与算法源代码7：K近邻算法.zip是一个以K近邻（K-Nearest Neighbors，KNN）算法为主题的人工智能源代码包。K近邻算法是一种基本的分类与回归算法，在机器学习领域中有着广泛的应用。KNN算法的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

erainm

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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