内容简介：分类问题之 KNN
分类问题之 KNN
简介
- lazy learning, 训练阶段仅仅保存样本, 没有显式的学习过程, 待收到测试样本后再进行处理
- 三要素: k值的选择, 距离度量(街区, 欧式, 闵可夫斯基), 分类决策规则(majority vote)
-
分类步骤
1.计算测试点到训练集各个点的距离 2.找出距离最小的 k 个点 3.投票法得出类别
- k 太小, 则对噪声敏感; k 太大, 则可能包含太多其他类别的点
- 属性中需要归一化, 防止某一属性在计算距离的时候占主导地位
优点
- 复杂度较低
- 效率高
- 非常适用于简单数据集的分类
- 抗噪，对噪声鲁棒
- 选取最优决策树是NP完全问题
其他
- PEBLS: Parallel Examplar-Based Learning System (Cost & Salzberg)
以上所述就是小编给大家介绍的《数据挖掘复习笔记---04.2分类问题之 KNN》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 数据挖掘竞赛指南：曾经的数据挖掘少年，如今的阿里算法大佬
- 数据挖掘实操：用文本挖掘剖析近 5 万首《全唐诗》
- 数据挖掘复习笔记---02.数据
- Python之数据挖掘
- 趋势分析之数据挖掘
- python 数据挖掘算法简要
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
C算法（第二卷：图算法）（第3版）
塞德威克(Sedgewick Robert) / 周良忠 / 第1版 (2004年1月1日) / 2004-4 / 38.0
《C算法(第2卷)(图算法)(第3版)(中文版)》所讨论的图算法，都是实际中解决图问题的最重要的已知方法。《C算法(第2卷)(图算法)(第3版)(中文版)》的主要宗旨是让越来越多需要了解这些算法的人的能够掌握这些方法及基本原理。书中根据基本原理从基本住处开始循序渐进地讲解，然后再介绍一些经典方法，最后介绍仍在进行研究和发展的现代技术。精心挑选的实例、详尽的图示以及完整的实现代码与正文中的算法和应用......一起来看看 《C算法（第二卷：图算法）（第3版）》 这本书的介绍吧!
