kNN算法是机器学习中最简单的分类器之一。它通过计算新数据与样本集的距离，选取最近的k个样本，依据多数投票原则决定新数据的类别。kNN在处理多分类问题时精度较高，但计算复杂度和空间复杂度也较高。选择合适的k值、距离衡量方式以及应对高维和变量值域差异问题都是使用kNN时需要考虑的关键点。此外，kNN算法无需训练，但对测试样本分类时计算成本较大，可通过压缩样本或利用kd树等提高效率。
knn这个分类器，原理很简单，可以说是机器学习里面最简单的一个分类器。
工作原理：存在一个训练样本集，这些样本集都是有标签，也就是我们知道样本集中每个数据与其类别的对应关系。输入没有标签的新数据后，将新数据与样本集的数据特征进行比较，然后按照特定算法提取样本集中最相似的数据分类标签。举个例子：
电影名称 打斗镜头 接吻镜头 电影类型
california 3 100 爱情片
kevin longbal 101 10 动作片
beautiful 1 80 爱情片
he likes flying 2 100 爱情片
robo slayer 99 5 动作片
ok，大概就举这么多例子，这里有5个电影，给出了两个特征就是打斗镜头和接吻镜
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
