机器学习值KNN:K近邻算法(一:算法原理)

目录

一、KNN概述

二、KNN三要素 

2.1、距离度量 

2.2 、K值的选择

2.3、分类决策规则

三、KNN的优缺点 

四、KNN的实现:kd树

4.1、kd树的构造

4.2、kd树的搜索 


一、KNN概述

KNN是一种常见的有监督学习算法,可以用于分类,也可以用于回归,比较常用于分类。 

K近邻算法的直观解释就是给定一个已知样本分类的训练数据集,当有新样本输入时,在训练集中找到K个和新样本距离最近的的训练样本,这K个训练样本多数属于哪个类别,就把这个新样本判定为哪个类别。 

二、KNN三要素 

2.1、距离度量 

多维特征空间中,

你可能感兴趣的:(机器学习,机器学习,人工智能,算法)