首先使用电影类型的分类,讲解k-最近邻算法的思想。
主要把电影分为两类:动作类和爱情类。
k-最近邻算法采用测量不同特征值之间的举例方法进行分类。
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
适用数据范围:数值型和标称型。
(????什么是标称型数据???)
k-近邻算法的一般流程
(1)收集数据:可以使用任何方法。
(2)准备数据:距离计算所需要的数值,最好是结构化的数据格式。
(3)分析数据:可以使用任何方法。
(4)训练算法:此步骤不适用于k-近邻算法。
(5)测试算法:计算错误率。
(6)使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定出入数据分别属于哪个分类,最后应用对计算出的分类执行后续的处理。
K-最近邻算法
(1)计算已知类别数据集中的点与当前点之间的距离;
(2)按照距离递增次序排序;
(3)选取与当前点距离最小的k个点;
(4)确定前k个点所在类别的出现频率;
(5)返回k个点出现频率最高的类别作为当前点的预测分类。
Python函数classify()
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。