数据挖掘入门系列教程之 K-近邻算法和距离度量介绍
一下面这张图为例子，我们如何判断绿色的个体属于哪一个类别？首先我们寻找与绿色点距离（欧式距离）最近的三个（K=3K=3）个体——2 个三角形，1 个正方形。WRITE-BUG研发团队衷心希望【WRITE-BUG数字空间】可以给每位同学一个属于自己的秘密空间，同时祝愿大家在“公开圈子”世界里，遇见志同道合的伙伴们，因为我们与大家一样，都曾孤独前行着。在分类中，为了确定新的个体属于哪一个类，就寻找训练
·
数据挖掘入门系列教程（二点五）之 K-近邻算法和距离度量介绍 - 简介
距离度量
欧式距离
曼哈顿距离
余弦距离
简介
K-近邻算法，又名最近邻居算法，其英文缩写是 KNN（k-nearest neighbors）。是一种用于分类和回归的非参数统计方法。其可能是标准数据挖掘算法中最为直观的一种。在这篇博客中，主要讨论 knn 用于分类的情况。
在分类中，为了确定新的个体属于哪一个类，就寻找训练集，查找与新个体最为相似的个体，然后根据查找到的大多数个体属于哪一个类别，就将这个个体分类到这个类别中。
一下面这张图为例子，我们如何判断绿色的个体属于哪一个类别？首先我们寻找与绿色点距离（欧式距离）最近的三个（K=3K=3）个体——2 个三角形，1 个正方形。三角形多于正方形，此时我们就认为该个体属于三角形。
完整资料进入【数字空间】查看——搜索"writebug"
WRITE-BUG研发团队衷心希望【WRITE-BUG数字空间】可以给每位同学一个属于自己的秘密空间，同时祝愿大家在“公开圈子”世界里，遇见志同道合的伙伴们，因为我们与大家一样，都曾孤独前行着。
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
0
0- 0
已为社区贡献5条内容
所有评论(0)