机器学习算法基础第三天（K近邻算法、朴素贝叶斯算法）

最新推荐文章于 2025-03-24 21:53:20 发布
最新推荐文章于 2025-03-24 21:53:20 发布
阅读量732 收藏 2
点赞数
分类专栏： python学习笔记
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/qq_39818331/article/details/108947413
版权
本文介绍了机器学习中的两种基础算法——K近邻(KNN)和朴素贝叶斯。首先讲解了K近邻算法的概念、距离计算公式，通过实例分析了k值对算法的影响，并探讨了其优缺点。接着，讨论了朴素贝叶斯算法的原理，包括贝叶斯公式和拉普拉斯平滑。同时，提到了交叉验证和网格搜索在模型选择中的重要性，以及分类模型的评估指标，如准确率、精确率和召回率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一.K近邻算法

1.1 举例：在这里插入图片描述
输出结果：
在这里插入图片描述
最终结果表明，未知电影属于爱情片，因为他与爱情片的距离最近。

1.2 分类算法-k近邻算法(KNN)介绍
定义：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

计算距离公式：两个样本的距离可以通过如下公式计算，又叫欧式距离
比如说，a(a1,a2,a3),b(b1,b2,b3)
在这里插入图片描述

1.3 sklearn k-近邻算法API
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)
· n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数
·algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)

1.4 实例分析：
k近邻算法实例-预测入住位置
在这里插入图片描述
在这里插入图片描述
数据的处理
1、缩小数据集范围
DataFrame.query()
2、处理日期数据
pd.to_datetime
pd.DatetimeIndex
3、增加分割的日期数据
data[ ]
4、删除没用的日期数据
pd.drop
5、将签到位置少于n个用户的删

最低0.47元/天 解锁文章
白话机器学习算法理论+实战之K近邻算法
Miracle8070
02-14 2913
1. 写在前面 如果想从事数据挖掘和数据分析的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋， 常见的机器学习算法： 监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等 无监督算法：聚类，降维，关联规则, PageRank等 为了详细的理解这些，曾经看过西瓜书，统计学习方法，机器学习...
什么是机器学习分类算法？【K-近邻算法(KNN)、交叉验证、朴素贝叶斯算法、决策树、随机森林】
m0_56069948的博客
04-05 2071
Python微信订餐小程序课程视频 https://edu.youkuaiyun.com/course/detail/36074 Python实战量化交易理财系统 https://edu.youkuaiyun.com/course/detail/35475 1、K-近邻算法(KNN) 1.1 定义 （KNN，K-NearestNeighbor） 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 1.2 距离公式 两个样本的距离可以通过如下公式计算，又叫欧式距离。
k-近邻基础
11-05
k-近邻基础代码，实现了k-近邻的基本功能，通过该代码，可以学习k-近邻的原理
优快云机器学习笔记十一 k-近邻算法
猿来这样-谢厂节的博客
06-23 4252
本文内容来自《机器学习实战》中国工信出版集团 人民邮电出版社一、简介简单地说，k-近邻算法采用测量不同特征值之间的距离方法进来分类 特点： 优点：精度高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 适用数据范围：数值型和标称型 k-近邻算法称为kNN，它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的
k近邻算法
最新发布
2302_81317506的博客
03-24 726
K-近邻算法(K Nearest Neighbor)又叫KNN算法，指如果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某一个类别，则该样本也属于这个类别。也就是对于新输入的实例，从数据集中找到于该实例最邻近的k个实例，那么这k个实例大多数属于某一个类，那么就把该实例放到该类中。KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。
K-近邻算法(KNN)
limengshi138392的博客
06-11 1894
1.1 K-近邻算法(KNN)概念 K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法 定义 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 来源：KNN算法最早是由Cover和Hart提出的一种分类算法 实现流程 1）计算已知类别数据集中的点与当前点之间的距离 2）按距离递增次序排序 3）选取与当前点距离最小的k个点 4）统计前k
K-近邻算法（KNN）
m0_37683606的博客
09-17 1428
一文搞定k-近邻算法一. k-邻近算法的基本概念二. k-邻近算法中k的选取以及特征归一化的重要性 一. k-邻近算法的基本概念 k-邻近算法是一种基本的分类和回归方法。本章只讨论k-邻近算法在分类问题中的应用。 k-邻近算法，即给定一个训练集，对新输入的实例，在训练数据集中找到与该实例最邻近的k个实例，然在这k个实例中，看看那个类别包含的实例比较多，则这个测试集就属于哪一个类别。 如上图所示，有两类不同的样本数据，分别用蓝色的小正方形和红色的三角形来表示。当确定一个k后，也就是确定一个距离，在这个距离范
K-近邻算法（KNN)
热门推荐
Running Snail
03-25 6万+
​ K近邻（K-Nearest Neighbor, KNN）是一种最经典和最简单的*有监督学习*方法之一
机器学习 入门详细解析（一）开发流程\sklearn\k近邻算法\朴素贝叶斯算法\交叉验证
qq_40697046的博客
11-22 1896
机器学习基础 文章目录机器学习基础机器学习开发流程机器学习模型是什么机器学习算法分类 （监督学习，无监督学习）sklearn 数据集数据集划分sklearn 数据集接口介绍转化器和预估器转换器估计器小结分类算法-k近邻算法sklearn k-近邻算法API算法实战：案例1 预测入住位置实例流程数据处理方式实例代码k-近邻算法优缺点算法实战：案例12 通过k-近邻算法对生物物种进行分类——鸢尾花(load_iris)分类算法-朴素贝叶斯算法朴素贝叶斯-贝叶斯公式拉普拉斯平滑sklearn朴素贝叶斯实现API朴
三天爆肝快速入门机器学习：KNN算法、朴素贝叶斯算法、决策树【第二天】
weixin_56957149的博客
04-15 1568
三天爆肝快速入门机器学习【第二天】转换器与预估器KNN算法决策树随机森林个人总结 转换器与预估器 必须理解的转换器与估计器 一转化器 回想一下之前做的特征工程的步骤？ 实例化（实例化的是一个转换器类transformer) 调用fit_transform(对于文档建立分类词频矩阵，不能同时调用) 我们把特征工程的接口称为转换器，其中转换器调用有如下几种形式.(我们以标准化为例，分析如下三种调用形式的区别. fit_transform fit 计算每列的平均值与标准差 transform 进行最终的标准化 f
分类算法之K近邻和朴素贝叶斯
Wangyuxing_1234的博客
08-08 691
分类算法之K近邻和朴素贝叶斯K近邻一个例子弄懂k-近邻sklearn k-近邻算法API朴素贝叶斯概率论基础贝叶斯公式拉普拉斯平滑sklearn朴素贝叶斯实现API K近邻 一个例子弄懂k-近邻 电影可以按照题材分类，每个题材又是如何定义的呢？那么假如两种类型的电影，动作片和爱情片。动作片有哪些公共的特征？那么爱情片又存在哪些明显的差别呢？我们发现动作片中打斗镜头的次数较多，而爱情片中接吻镜头相对更多。当然动作片中也有一些接吻镜头，爱情片中也会有一些打斗镜头。所以不能单纯通过是否存在打斗镜头或者接吻镜头来判
K-近邻分类器，python实现
12-28
用python实现k-近邻分类，包括约会网站配对效果和手写体识别。
K近邻和朴素贝叶斯算法的使用
Alive_lei的博客
03-19 216
coding=utf-8 “”" author:lei function: k近邻算法，欧式距离，两点之间的距离公式 需要进行标准化处理 “”" from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.datasets import f
机器学习--K-近邻算法(KNN)
LI_dreamit的博客
09-07 9879
1、K近邻算法的特点 k-近邻算法，也叫KNN算法(K-Nearest Neihbor，KNN)，是一个非常适合入门的算法，拥有如下特性： 适用于分类问题，尤其是二分类，当然也可以用来预测回归问题 思想极度简单，应用数学知识少(近乎为零) 对于很多不擅长数学的小伙伴十分友好，KNN算法几乎用不到数学专业知识 机器学习算法的hello world算法 效果好 虽然算法简单，但效果也不错 缺点也是存在的，后面会进行讲解
算法——k-近邻算法
m0_66890670的博客
08-11 3874
对k-近邻算法的详细学习，包括k-近邻算法流程，k值选取，kd树，k-近邻算法的python代码，k-近邻算法的优缺点总结。
机器学习——K-近邻算法（KNN）
CYTLOVELY的博客
11-29 3337
K-近邻算法（K-Nearest Neighbors, 简称 KNN）是一种基于实例的机器学习算法，广泛应用于分类和回归任务。它通过计算数据点之间的相似度（通常是距离度量），然后预测新的数据点的标签或数值。在图像分类任务中，KNN 可以通过计算图像特征向量之间的距离来分类，例如手写数字识别。KNN 可用于垃圾邮件检测，通过比较新邮件和历史邮件的相似性，判断其类别。原则，根据 kkk 个最近邻居的类别进行投票，选出出现最多的类别。基于用户相似度的推荐系统中，KNN 常用于查找兴趣相似的用户群体。
机器学习算法——k-近邻算法
2401_87863416的博客
03-23 966
k-近邻算法（k-Nearest Neighbor Alogorithm，后简称kNN算法）是机器学习算法中最基础也最简单的算法之一。它是有监督学习中的分类算法，可以用于分类数据和预测结果，通常被用于分类。
k-近邻算法
carrine的博客
09-16 344
K-近邻算法一、K-近邻算法的简介二、测试算法1.爱情片or动作片2.约会配对总结 一、K-近邻算法的简介 工作原理：K-近邻算法财通测量不同特征值之间的距离方法进行分类。 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。 二、测试算法 1.爱情片or动作片 主要思路：事先准备数据，即准备打斗镜头和接吻镜头的次数及其所属类型。根据两点间距离公式，计算出该点与其它点的距离，取前k个值，返回前k个点中出现次数最多的类型。 from nump
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值