Coursera: Applied Machine Learning in Python系列

最新推荐文章于 2023-01-11 23:48:00 发布

Janayt

最新推荐文章于 2023-01-11 23:48:00 发布

阅读量516

点赞数

文章标签：机器学习 python

原文链接：https://blog.youkuaiyun.com/TeFuirnever/article/details/99818078

版权

系列之（二）——sklearn.neighbors.KNeighborsClassifier分类器解析

sklearn.neighbors.KNeighborsClassifier()函数是用于实现K近邻投票算法的分类器
本文参考链接：https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html#sklearn.neighbors.KNeighborsClassifier

KNeighborsClassifier(
    n_neighbors=5,
    weights='uniform',
    algorithm='auto',
    leaf_size=30,
    p=2,
    metric='minkowski',
    metric_params=None,
    n_jobs=None,
    **kwargs,
)
Docstring:     
Classifier implementing the k-nearest neighbors vote.

参数：

n_neighbors: int，optional(default = 5)
默认情况下kneighbors查询使用的邻居数。就是k-NN的k的值，选取最近的k个点。
weights： str类型，或者可调用，optional (default = ‘uniform’)
是指预测中使用的权重函数，即投票选择时的权重，是所有邻居中距离query point越近的点权重越大，还是所有的点具有同样的权重，还可以自己定义权重，有以下可能的值：
- ‘uniform’，均等的权重。每个邻域中的所有点均被加权。
- ‘distance’，权重与其距离成反比。在这种情况下，query point的近邻比远处的近邻具有更大的影响力。
- [callable]，用户定义的函数，该函数接受距离数组，并返回包含权重的相同形状的数组。
algorithm: {‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}, optional
用于计算最近邻居的算法：
List item