0
点赞
收藏
分享

微信扫一扫

【CSS笔记】CSS动画效果(2d、3d)之渐变色、过渡、变换、平移、缩放、旋转、倾斜、关键帧动画

灯火南山 2023-05-04 阅读 29

文章目录

1 概念

k近邻算法(k-nearest neighbour,k-NN)是一种基本分类与回归方法,是数据挖掘技术中原理最简单的算法之一。核心功能是解决有监督的分类问题。KNN能够快速高效地建立在特殊数据集上的预测分类问题,但是不产生模型,因此算法准确性高但是不具备强推广性。

KNN 输入实例的特征向量,特征空间;
KNN 输出为实例的类别,K类。

K近邻三个基本要求:k值的选择、距离度量、分类决策规则。

2 原理及举例

在这里插入图片描述
在这里插入图片描述
所以说,K的取值还是非常重要的,如上图所示,K=3和K=5会预测得到两个不同的结果。

3 KNN中最常用的距离度量——欧式距离

在这里插入图片描述
在这里插入图片描述

4 K值的选择

通过上面那张图我们知道 K 的取值比较重要,那么该如何确定 K 取多少值好呢?答案是通过交叉验证(将样本数据按照一定比例,拆分出训练用的数据和验证用的数据,比如6:4拆分出部分训练数据和验证数据),从选取一个较小的 K 值开始,不断增加 K 的值,然后计算验证集合的方差,最终找到一个比较合适的 K 值。

在这里插入图片描述

5 knn和k-means的区别

KNN的目的是分类
K-means的目的是聚类
举报

相关推荐

0 条评论