机器学习笔记(8)---K-近邻算法(6)---KNN算法学习总结

最新推荐文章于 2024-05-03 16:18:20 发布

原创

最新推荐文章于 2024-05-03 16:18:20 发布 · 837 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#KNN学习总结 #机器学习 #KNN西瓜好坏预测

本文是对KNN算法学习的总结，包括KNN的使用方法和一个利用KNN预测西瓜好坏的实际例子。通过将西瓜的特征转换为数值，运用KNN算法进行分类，以加深对算法的理解。

前言

KNN算法系列文章加上总结共六篇笔记，已全部完成。本篇笔记做一个总结，随手再举个西瓜书上的例子。
转载请注明出处：http://blog.youkuaiyun.com/rosetta

总结

实际上KNN算法只要把数据准备好给分类函数就可以了。MLiA中的分类函数是classify0（），sklearn中由neigh.fit(normMat, datingLabels)完成，另外注意下前者直接输入待预测数据，后者通过调用neigh.predict()完成，并没有实际区别。从中也可以发现输入参数都是一样的数据类型，都是ndarray。normMat是样本的属性相关的，datingLabels是每个样本对应的标签，两者0维要一样，即有N条样本就要有N条标签，至于属性个数可大可少。