SorrymakerS的博客

任务描述本关任务：使用python实现knn算法，并对手写数字进行识别。相关知识为了完成本关任务，你需要掌握：1.加权投票，2.knn算法流程。数据集介绍手写数字数据集一共有1797个样本，每个样本有64个特征。每个特征的值为0-255之间的像素，我们的任务就是根据这64个特征值识别出该数字属于0-9十个类别中的哪一个。我们可以使用sklearn直接对数据进行加载，代码如下：from sklearn.datasets import load_digits #加载手写数字数据集 digi

*任务描述本关任务：使用python实现方法，找出目标样本最近的k个样本。相关知识为了完成本关任务，你需要掌握：1.knn算法思想，2.距离度量。knn算法思想k-近邻（k-nearest neighbor ,knn）是一种分类与回归的方法。我们这里只讨论用来分类的knn。所谓k最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最近的k个邻居来代表。knn算法的核心思想是如果一个样本在特征空间中的k个最相邻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，并具有这个类别上样本的特性