1、K近邻
优点：分类精度高、对异常值不敏感
缺点：计算量大，空间复杂度高
数值型和标称型数据
2、建模步骤
数据归一化：因计算距离，特征之间需无差别（特别注意点）
计算待测样本点与所有样本的距离，选取前k个，选取多数所占的类别
3、改进约会网站的配对结果
特征是人的特征，标签（喜欢，一般喜欢，不喜欢）
根据分类器，输入某个人的相应特征，可以判断出自己对他的情感状态，是否符合预期标准
4、手写识别系统
非图片类：每张图为一个矩阵，是由‘0’和‘1’构成，‘1’所在位置勾勒出数字1,2,3，，，9
图片标签是图片对应数字
5、模型
输入：
dataset：样本
label：标签
输出：待预测样本的预测标签
机器学习实战笔记-KNN
猜你喜欢
转载自blog.csdn.net/angel_hben/article/details/87697173
今日推荐
周排行