further_Yan的博客

复现机器学习KNN出现的错误。 def createDataset(): group = array([[1.0, 1.1],[1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A','A','B','B'] return group, labels def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape(0) diffMat = tile(inX, (

k-近邻算法 其特点 优点 缺点 适用数据范围 精度高、对异常值不敏感、无数据假设输入 计算复杂度高、空间复杂度高 数值型和标称型 KNN 定义：将所有带分类的事物进行特征化，测量不同特征值之间的距离方法，然后进行分类 具体过程如下 收集数据：可以使用任何方法 准备数据 将收集到的数据进行特征化 分析数据 可以使用任何方法 训练算法 该算法一般不用训练 测试算法 计算错误率 使用算法 首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据