KNN分类算法

K-近邻算法

简单来说，如下图所示

这个绿色的球是什么颜色，就是说，离他最近的3个点(那就是k-3)是什么颜色。

2/3是红色。

如果是k-5呢?

那就是蓝色。

这就是knn算法。

 

一种很好理解的分类概率模型。

 

在KNN中，通过计算对象间距离来作为各个对象之间的非相似性指标，避免了对象之间的匹配问题，在这里距离一般使用欧氏距离或曼哈顿距离:

欧氏距离

差的平方求和开根

某个点到另一个点的直线距离，它认为两点之间，始终是可以通过直线距离到达的(更适用于欧式空间)

 

曼哈顿距离

差的绝对值求和开根

曼哈顿距离也称为城市街区距离。在曼哈顿距离的世界里，规则是我们只能沿着线划出的格子行进。

曼哈顿距离仍然只有之前欧氏距离的局限。在距离计算中，认为各个维度对于距离d的贡献权重是一样的。

 

参考

https://www.cnblogs.com/ybjourney/p/4702562.html