weixin_46990115的博客

为了判定未知样本的类别，以全部训练样本作为代表点，计算未知样本与所有训练样本的距离，并以最近邻者的类别较多的作为决策未知样本类别的唯一依据。度量方式包括：欧式距离，曼哈顿距离，切比雪夫距离等是一种基于实例的学习，需要一个邻近性度量来确定实例间的相似性或距离不需要建立模型，但分类一个测试样例开销很大，需要计算域所有训练实例之间的距离基于局部信息进行预测，对噪声非常敏感最近邻分类器可以生成任意形状的决策边界，决策树和基于规则的分类器通常是直线决策边界。...

在开始k-means算法之前，我们先了解一下什么是聚类分析？聚类分析就是将数据划分成有意义或有用的组（簇），根据在数据中发现的描述对象及其关系的信息，将数据对象分组。其目标是，组内的对象相互之间是相似的，而不同组中的对象是不同的。所以很明确，这个算法是为了分类数据的，一般适用于市场细分、目标顾客定位、生物种群划分等邻域所以，k-means算法怎么理解呢？其中的k是聚类算法当中类的个数。 means指的就是均值算法。 k-means是采用均值算法把数据分成K个类的硬聚类算法！对于连续型属性