K-近邻算法 机器学习实战（阅读笔记）
2018-02-01 01:05
162 查看
优点：精度高 ，对异常值不敏感，无数据输入假定
缺点：计算复杂度高，空间复杂度高
适用数据范围：数值型，标称型
算法原理：存在一个样本数据集合，也称作训练样本集，并且样本集中的每个数据都存在标签，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本中特征中最相似数据的分类标签，一般来说， 我们只选择样本数据及中前k个最相似数据中出现次数最多的分类，作为新数据的分类。
如何计算最相似？如何比较最相似？
缺点：计算复杂度高，空间复杂度高
适用数据范围：数值型，标称型
算法原理：存在一个样本数据集合，也称作训练样本集，并且样本集中的每个数据都存在标签，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本中特征中最相似数据的分类标签，一般来说， 我们只选择样本数据及中前k个最相似数据中出现次数最多的分类，作为新数据的分类。
如何计算最相似？如何比较最相似？
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 机器学习----笔记之k-近邻算法(2)
- 机器学习实战笔记2(k-近邻算法)
- 《机器学习实战》第二章 2.2用k-近邻算法改进约会网站的配对效果
- 读懂《机器学习实战》代码—K-近邻算法改进约会网站配对效果
- Python 学习笔记（Machine Learning In Action）K-近邻算法（KNN）机器学习实战
- Feature Selection: A Data Perspective --阅读笔记2 传统数据的特征选择算法
- NP理论（4）：判断如何成为算法 已有 951 次阅读 2016-9-21 17:22 |个人分类:NP理论|系统分类:科研笔记|关键词:判断 判定 Entscheidungsproblem 人机关
- 机器学习实战笔记之k-近邻算法
- 《机器学习实战》学习笔记一：k-近邻算法（kNN）
- 《机器学习实战》学习笔记-[2]-K近邻_网站约会实例
- 《算法》阅读笔记-2.3 快速排序
- 机器学习实战（第二篇）-k-近邻算法开发手写识别系统
- 《机器学习实战》学习笔记——K-近邻算法（KNN）(二)海伦约会网站匹配实战
- 《机器学习实战》笔记之七——利用AdaBoost元算法提高分类性能
- 机器学习笔记（二）——k-近邻算法
- 【机器学习实战】第2章 k-近邻算法（kNN）
- 机器学习实战笔记之二（k-近邻算法）
- 机器学习实战笔记-使用Apriori算法进行关联分析
- Python《机器学习实战》读书笔记（二）——k-近邻算法
- 《机器学习实战》（二）k-近邻算法(KNN)