KNN算法实现学生活跃度分类

⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计5656字，阅读大概需要10分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
⏰个人网站：https://jerry-jy.co/

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

KNN算法实现学生活跃度分类

---

算法概述

邻近算法，或者说K最近邻（KNN，K-NearestNeighbor）算法是测试样本与特征空间中的每一个样本进行距离的计算，其中与测试样本距离最近的k个样本，称之为“k近邻”。
如图1所示，当k设定为3时，即求取与测试样本（标志为★）最近邻的3样本（内圆包含的标志为○的样本点），如果k=7时，测试样本对应7个最近邻样本(外圆包含的标志为○的样本点)。