欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

python人工智能——机器学习——分类算法-k近邻算法

程序员文章站 2024-03-15 11:13:23
...

分类算法-k近邻算法(KNN)

定义:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。

来源:KNN算法最早是由Cover和Hart提出的一种分类算法

K近邻算法需要做标准化处理

计算距离公式

两个样本的距离可以通过如下公式计算,又叫欧式距离

比如说,a(a1,a2,a3),b(b1,b2,b3)
python人工智能——机器学习——分类算法-k近邻算法

sklearn k-近邻算法API

sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')
	 n_neighbors:int,可选(默认= 5),k_neighbors查询默认使用的邻居数 

	algorithm:{‘auto’,‘ball_tree’,‘kd_tree’,‘brute’},可选用于计算最近邻居的算法:
	‘ball_tree’将会使用BallTree,‘kd_tree’将使用 KDTree。
	‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)

k-近邻算法优缺点

优点:
简单,易于理解,易于实现,无需估计参数,无需训练

缺点:
懒惰算法,对测试样本分类时的计算量大,内存开销大
必须指定K值,K值选择不当则分类精度不能保证

使用场景:小数据场景,几千~几万样本,具体场景具体业务
去测试

k-近邻算法实现

加快搜索速度——基于算法的改进KDTree,API接口里面有实现