sklearn的KNeighborsClassifier类

最新推荐文章于 2025-03-20 09:56:29 发布

转载最新推荐文章于 2025-03-20 09:56:29 发布 · 1.4k 阅读

文章标签：

#sklearn #KNeighborsClassifier类

sklearn 专栏收录该内容

3 篇文章

订阅专栏

本文详细介绍了sklearn库中KNeighborsClassifier类的参数配置及功能特性。包括k值的选择、权重计算方式、算法类型、叶节点大小、Minkowski距离参数设置、距离度量方法、并行处理选项等内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

官方API：https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html

class sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, weights=’uniform’, 
algorithm=’auto’, leaf_size=30, p=2, metric=’minkowski’, metric_params=None,
n_jobs=None, **kwargs)[source]

参数说明：
n_neighbors：选择最邻近点的数目k
weights：邻近点的计算权重值，uniform代表各个点权重值相等
algorithm：寻找最邻近点使用的算法
leaf_size：传递给BallTree或kTree的叶子大小，这会影响构造和查询的速度，以及存储树所需的内存。
p： Minkowski度量的指数参数。p = 1 代表使用曼哈顿距离 (l1)，p = 2 代表使用欧几里得距离(l2)，
metric：距离度量，点之间距离的计算方法。
metric_params：额外的关键字度量函数。
n_jobs：为邻近点搜索运行的并行作业数。