第三章 k近鄰法

2021-09-02 02:16:17 字數 4482 閱讀 6852

缺點

適用資料範圍

工作原理

一般流程

k近鄰模型

歐式距離

曼哈頓距離

l∞距離

k值的選擇

k偏大

分類決策規則

k近鄰法的實現:kd樹

import math

# x, y 預設歐式距離

defl

(x, y, p =2)

:iflen(x)

==len

(y)and

len(x)

>1:

sum=

0for i in

range

(len

(x))

:sum

+= math.

pow(

abs(x[i]

- y[i]

), p )

return math.

pow(

sum,

1/p)

else

:return

0

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

from collections import counter

載入資料
# data

構造模型
class

第三章 k 近鄰

knn分類回歸方法 分類任務 投票法 回歸任務 平均法 懶惰學習的代表 在訓練階段僅僅是把樣本儲存起來,訓練時間開銷為0,待收到測試樣本再進行處理。模型 利用訓練資料集對特徵向量空間進行劃分,並作為分類的 模型 策略 多數表決規則 等價於經驗風險最小化 多數表決規則 如果分類的損失函式為0 1損失函...

統計學習方法 第三章 k近鄰法

k近鄰法是一種基本的分類與回歸方法,這裡只討論分類問題中的k近鄰法。演算法描述 首先給定乙個訓練集,對於待分類的輸入資料,在訓練集中找到與該輸入資料最鄰近的k個樣本,這k個樣本中哪個類別最多,就把待分類資料分給這個類。k近鄰法沒有顯式的學習過程。k近鄰法的三個基本要素 當這三個要素確定後,任何乙個新...

統計學習方法筆記 第三章 K近鄰法

k近鄰法 knn 是一種基本的分類與回歸的方法,這裡只介紹其分類問題。knn演算法的基本思想 對於乙個新的輸入資料點,在訓練集中找到與它距離最近的k個點,若這k個點中大部分屬於a類,則該資料點也屬於a類。演算法流程 特殊地,若k 1,則相當於離輸入例項最近的乙個樣本例項直接決定了它的類別。knn模型...