K-NN算法（K-近邻算法）

最新推荐文章于 2025-07-16 09:39:52 发布

原创

最新推荐文章于 2025-07-16 09:39:52 发布 · 1.4k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#k-nn

K-NN算法是一种基于实例的学习，通过寻找输入实例与训练数据集中K个最近邻来分类。距离度量通常使用欧式距离，非数值特征需要转化为数值。K值的选择对结果影响大，一般通过交叉验证确定。算法缺点包括样本不平衡问题和计算量大，可以通过权值调整和样本剪辑优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

K-NN算法（K-近邻算法）

K-NN算法是一种分类算法。

所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

NancyO_O

关注关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

K-NN算法

weixin_45665031的博客

10-11

1639

什么是K-NN算法？ K-NN算法即K-近邻算法，是机器学习中最简单的一种算法，也是监督学习的一种，可用来处理分类型问题。K-NN秉持“越相近越相似”的原理，其本质就是通过距离判断两个样本是否相似，距离越近越相似，如果足够相似就判定他们同属一个类别。假设有一个新样本，我们需要确定它的标签类别。那么首先，找到离新样本最近的K个样本，这些样本称之为「近邻」(nearest neighbor)；其次，...

K-NN(k近邻算法)

Miracle.Zhao的博客

01-15

8301

初识K-NN（k-Nearest Neighbor）：K-NN（k-近邻算法）是一种常用的监督学习方法，其工作机制非常的简单：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，通常在分类任务中可以使用投票法，即选择这k个样本中出现最多的类别标记作为预测结果。一 . K-近邻算法（KNN）概述最简单最初级的分类器是将全部的训练数据

参与评论您还未登录，请先登录后发表或查看评论

k-Nearest Neighbor algorithm

xiaoxia

07-09

245

写道 [KNN算法的决策过程] KNN算法的决策过程 k-Nearest Neighbor algorithm 　　右图中，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？如果K=3，由于红色三角形所占比例为2/3，绿色圆将被赋予红色三角形那个类，如果K=5，由于蓝色四方形比例为3/5，因此绿色圆被赋予蓝色四方形类。　　K最近邻(k-Nearest...

最优化算法（四）：模拟退火算法

最新发布

一碗黄焖鸡三碗米饭的博客

07-16

1523

本文介绍了模拟退火算法（SA）这一启发式全局优化算法，它模拟固体退火过程，通过温度控制搜索过程。文章详细阐述了算法原理、核心公式和工作流程，包括高温探索和低温收敛两个阶段。通过Java代码实现展示了如何求解函数最小值问题，解析了目标函数、邻域解生成等关键步骤。文章还比较了SA与梯度下降、遗传算法的优缺点，指出SA在避免局部最优方面的优势。最后强调SA的广泛适用性，建议通过参数调优提高性能，并鼓励实际应用中的创新使用。

K-NN算法（K-Nearest Neighbor）

g28_gerwulf的博客

08-04

639

原理思想：若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同一个类别，则该样本也属于这个类别。度量距离：欧式距离算法大致步骤： 1.计算已知集内的样本与待测样本的距离 2.对距离由小到大进行排序，找出前K个点 3.在这K个点中，统计每个类别出现的次数 4.选择出现次数最多的点作为待测样本的类别 ...

k-nn算法全套,kn计算公式,matlab

08-09

k-nn算法，全称是K最近邻（K-Nearest Neighbors）算法，是一种简单且直观的分类和回归方法。在分类问题中，k-nn的基本思想是：对于一个未知类别的样本，我们将其分类为与其最近的k个已知类别样本中出现最多的类别。...

K-近邻分类方法（K-NN）算法的matlab实现

08-12

在本场景中，我们关注的是K-NN算法在MATLAB环境中的实现。MATLAB作为一款强大的数学计算软件，为实现各种算法提供了便利。 1. **K-NN算法原理**： K-NN算法基于“物以类聚”的思想，通过寻找样本集中与待分类样本...

K-NN（K近邻算法）实现手写字符的识别（C语言）

12-08

**K-NN（K近邻算法）是一种简单而强大的非参数机器学习算法，主要用于分类和回归任务。在手写字符识别领域，K-NN被广泛应用于自动识别数字，如OCR（光学字符识别）系统。本项目是用C语言实现的K-NN算法，通过Visual ...

机器学习——K-NN算法

cdxSunny的博客

11-25

1388

K-NN算法的原理以及python实现

【分类算法】K-NN

turkeym4的博客

01-20

1009

目录K-NN的定义 K-NN的定义今天，我们来分享一个“街知巷闻”级别的分类算法 —— K-NN。相信提到这个词的时候小伙伴们都有：噢~是它。那么到底什么是K-NN呢？看过过去文章的都知道，我比较喜欢拆解算法名字来初步理解算法是做什么的。 K-NN，全称叫做：K-Nearest Neighboors，中文翻译：K-最近的邻居们。假设我们的数据如下图，有很多个点。首先解释最近的，看到远近就应该想...

K-NN算法 C++实现

01-04

这是一个简单的用C++实现KNN算法.对于初学者了解KNN算法思想会很有帮助.

机器学习笔记(一)k-NN算法

lf960731的博客

08-15

1194

简单地说,k-NN算法就是根据测量不同特征值之间的距离来进行分类的。输入没有标签的数据后，将新数据的每个特征值的和样本集的数据进行比较，然后提取样本集中特征最相似的数据，通常选取前k个最相似的数据，所有称为k-邻近算法。 K-NN算法的一般流程：（1）收集数据：可以使用任何方法。（2）准备数据：计算所需要的数值。（3）分析数据：可以使用任何方法。（4）训练数据：不适用于k-NN算法。（...

k-NN算法

Kannyi的博客

01-27

1077

k-NN算法 | 使用OpenCV实现k-NN算法

一、K近邻算法(K-NN，K-Nearest Neighbor Classifier )（有监督学习）

beyond谚语的博客

09-16

666

K近邻算法，k-nearest neighbor，即K-NN通俗来说：给定一个元素，然后以该元素坐标为圆心开始画圆，其中K值是超参数需要人为给定，圆的半径逐渐增大(距离度量采用欧氏距离)，直到包含其他K个元素为止，然后看所包含的K个元素都属于哪些类别，根据决策规则(采用少数服从多数原则)，看K个元素属于哪些类别多，那么x就归为哪类。应用场景：已知有两个类别绿色五边形和蓝色六边形，新加入一个橙色元素x，问x可归为哪一类？

机器学习算法：K-NN（K近邻算法）

冷冻工厂

11-08

3008

导读本文[1]将介绍机器学习中的 K-最近邻算法，K-Nearest Neighbors 是一种机器学习技术和算法，可用于回归和分类任务。 1. 简介 K-Nearest Neighbors k-最近邻算法，也称为 kNN 或 k-NN，是一种非参数、有监督的学习分类器，它使用邻近度对单个数据点的分组进行分类或预测。虽然它可以用于回归问题，但它通常用作分类算法，假设可以在彼此附近找到相似点。对于分类问题，根据比重分配类别标签，即使用在给定数据点周围最多表示的标签。虽然这在技术上被认为是plurality

K_NN算法

wxj8783的博客

09-05

1023

一：什么是机器学习机器学习的方法是基于数据产生的 “模型”（model）的算法，也称 “学习算法”（learning algorithm）。包括有监督学习（supervised learning）、无监督学习（unsupervised learning）、半监督学习（semi-supervised learning）、强化学习（reinforcement learning）。 1.有监督学...

K-NN

我见青山多妩媚，料青山见我应如是

06-15

1210

1.1 k-近邻法简介下面通过一个简单的例子说明一下：如下图，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？如果K=3，由于红色三角形所占比例为2/3，绿色圆将被赋予红色三角形那个类，如果K=5，由于蓝色四方形比例为3/5，因此绿色圆被赋予蓝色四方形类。由此也说明了KNN算法的结果很大程度取决于K的选择。 k近邻法(k-nearest neighbor, k-NN)是1967年由Co...

k-NN

sinat_40914866的博客

03-11

2551

k-NN算法是一种很简单的分类算法。简单来讲，它没有训练的过程，只是简单粗暴的计算输入特征与训练集中特征点的距离，然后选这些距离中最小的k个值，根据这k个值所对应数据点的类别情况预测输入实例的分类情况。所以，k-NN算法的三个基本要素为：距离度量，分类决策规则， k值。距离度量两个特征的距离反应了它们的相似程度。可以选择Lp距离计算：一般取p=2，即欧几里得距离。k值 ...