KNN 及其扩展

KNN 及其扩展

标签（空格分隔）： KNN

---

代码详见：https://github.com/AresAnt/ML-DL

简单KNN

KNN的算法很简单，其实就是一个简单的监督学习，是一个简单的欧式距离计算。
算法流程如下：

• 首先将传进来的参数进行归一化（即除以他们的 max - min , 将数值转化为 0~1 之间）
• 然后将测试数集进行拆分，拆分为一部分为训练集，一部分为测试集
• 然后对测试集中每个用例进行全局的计算，即测试集中的用例每个跟训练集上的用例做欧氏距离的计算，然后进行排序，筛选出最近的K个值，然后最近的K个值对应的分类信息，进行从大到小的排序，最大的那个即为该测试用例的分类最近信息。

这是最为简单的计算方式，简单到以单单来计算用例之间的欧氏距离。其还有不同的方式，如：聚类后的质心点距离来标明该用例属于何种分类，或者对最近距离之间进行比例加成来进行分类。详见scikit-learn中有比较多的内容可以进行借鉴。
此处输入链接的描述