【MachineLearning】之 K-近邻算法

fanfan4569

于 2018-08-17 11:53:36 发布

阅读量614

点赞数

分类专栏：【MachineLearning】文章标签： K-NN NN 曼哈顿距离 Kd树

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/fanfan4569/article/details/81775266

版权

本文介绍了K-近邻（KNN）算法的原理，包括最近邻（NN）算法和KNN算法的区别。讨论了常用的距离度量方法，如曼哈顿距离和欧式距离。接着，阐述了KNN算法的决策规则，如多数表决法和加权表决法。最后，详细讲解了Kd树的概念，解释了如何构建Kd树以提高KNN搜索效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Topic:

KNN 算法原理

常用距离算法

决策规则

Kd 树

一、KNN 算法原理

什么是最近邻算法（NN）？

最近邻算法（Nearest Neighbor，简称：NN）：其针对未知类别数据 $x$ ，找到与其距离最近的数据 $y$ ，将 $x$ 划入 $y$ 的分类中

这里写图片描述

如上图所示，通过计算数据 $X_{u}$ （未知样本）和已知类别 ω1,ω2,ω3

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

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。