监督学习--k近邻算法
2024-08-26 08:47:57
2017-07-20 15:18:25
k近邻(k-Nearest Neighbour, 简称kNN)学习是一种常用的监督学习方法,其工作机制非常简单,对某个给定的测试样本,基于某种距离度量找出训练集中与其最靠近的k个训练样本,然后基于这k个‘邻居’的信息进行预测。一般来说,在分类中采用‘投票法’,即选择的这k个样本中出现最多的类别标记作为预测结果。
优点:精度高,对异常值不敏感,无数据输入假定;
缺点:计算复杂度高、空间复杂度高;(对每个输入测试样本,需要计算其和所有训练样本的距离,并从中选择k个最相近的)
适用的数据范围:连续型和离散型
最新文章
- 禁止浏览器直接访问php文件
- C#- 反射之 GetType()方法
- BZOJ1737 [Usaco2005 jan]Naptime 午睡时间
- java初探native
- android 中使用回调方法(适用于自定义view传值到activity、adapter传值到activity)
- CSS 创建方式与优先级
- mybatis15 mapper方式 代码
- Java Web系列:Spring依赖注入基础
- SqlParameter参数化查询
- Linux删除以破折号开头的文件Windows在批处理文件来删除隐藏属性
- 终于说再见了!Google Reader
- 线性代数-矩阵-【5】矩阵化简 C和C++实现
- 每周分享之 二 http协议(3)
- Docker镜像的构成__Dockerfile
- 001 爬虫的基本概念以及urllib的request和parse
- web前端之Javascript---function函数
- springBoot(5)---单元测试,全局异常
- Spring+SpringMVC+Mybatis环境的搭建(使用Intellij IDEA)
- POJ 1330 Nearest Common Ancestors (模板题)【LCA】
- Maven项目错误解决小结
热门文章
- discuz完善用户资料任务不能完成的解决方法
- LibSVM源码剖析(java版)
- 深度学习的集成方法——Ensemble Methods for Deep Learning Neural Networks
- 【DIV+CSS】代码作业练习DIV+CSS太极阴阳图
- ES6之前模拟Map数据结构的写法
- MySQL Crash Course #09# Chapter 17. Combining Queries: UNION
- Python入门之Python的单例模式和元类
- python文件操作-r、w、a、r+、w+、a+和b模式
- 20145227鄢曼君《网络对抗》shellcode注入&;Return-to-libc攻击深入
- 《网络对抗》——逆向及Bof基础实践