簡(jiǎn)單來(lái)說(shuō)K-近鄰算法采用測(cè)量不同特征值之間的距離方法進(jìn)行分類。

K最近鄰(k-NearestNeighbor，KNN)，是一種常用于分類的算法，是有成熟理論支撐的、較為簡(jiǎn)單的經(jīng)典機(jī)器學(xué)習(xí)算法之一。該方法的基本思路是：如果一個(gè)待分類樣本在特征空間中的k個(gè)最相似(即特征空間中K近鄰)的樣本中的大多數(shù)屬于某一個(gè)類別，則該樣本也屬于這個(gè)類別，即近朱者赤，近墨者黑。顯然，對(duì)當(dāng)前待分類樣本的分類，需要大量已知分類的樣本的支持，其中k通常是不大于20的整數(shù)。KNN算法中，所選擇的鄰居都是已經(jīng)正確分類的對(duì)象。該方法在定類決策上只依據(jù)最近鄰的一個(gè)或者幾個(gè)樣本的類別來(lái)決定待分樣本所屬的類別。因此KNN是一種有監(jiān)督學(xué)習(xí)算法。

簡(jiǎn)單的例子解釋KNN算法

最簡(jiǎn)單最初級(jí)的分類器時(shí)將全部的訓(xùn)練數(shù)據(jù)所對(duì)應(yīng)的類別都記錄下來(lái)，當(dāng)測(cè)試對(duì)象的屬性和某個(gè)訓(xùn)練對(duì)象的屬性完全匹配時(shí)，便可以對(duì)其進(jìn)行分類，但是怎么可能所有測(cè)試對(duì)象都會(huì)找到與之完全匹配的訓(xùn)練對(duì)象呢，其次就是存在一個(gè)測(cè)試對(duì)象同時(shí)與多個(gè)訓(xùn)練對(duì)象匹配，導(dǎo)致一個(gè)訓(xùn)練對(duì)象被分到了多個(gè)類的問題，基于這些問題呢，就產(chǎn)生了KNN。

下面通過一個(gè)簡(jiǎn)單的例子說(shuō)明一下：綠色圓要被決定賦予哪個(gè)類，是紅色三角形?還是藍(lán)色四方形?如果K=3，由于紅色三角形所占比例為2/3，綠色圓將被賦予紅色三角形所屬的類，如果K=5,由于藍(lán)色四邊形比例為3/5，因此綠色圓被賦予藍(lán)色四邊形類。

由此也說(shuō)明了KNN算法的結(jié)果很大程度取決于K的選擇。

以上內(nèi)容為大家介紹了PythonK-近鄰算法概述，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。