《算法图解》系列笔记（十）—— K 最近邻算法

原创

于 2018-06-14 18:23:13 发布

· 576 阅读

·

1

·

版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

# K 最近邻算法 #KNN

本文介绍了K最近邻（KNN）算法，包括其在水果分类和推荐系统中的应用，核心要素如特征抽取、距离计算和回归预测。还探讨了挑选合适特征的重要性，并简单提及了机器学习中的OCR技术及朴素贝叶斯分类器。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

K最近邻（k-nearest neighbours,KNN）

几个例子
1.1 水果分类
1.2 创建推荐系统
推出的几个核心要素
2.1 特征抽取
确定两位用户的相似程度，对水果分类来说：个头和颜色就是特征。如果是多组数字，那么这种距离指出的就是这多组数字之间的相似程度。

毕达哥拉斯公式（欧氏距离）：

$(x 1 - x 2$

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。