K-紧邻分类法.zip

K近邻法(k-nearst neighbors,KNN)是一种很基本的机器学习方法。 它的基本思想是： 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。 在此算法中，相似性由欧几里德距离定义，其中两个点X（x1,x2,…,xn）和Y（y1,y2,…,yn）的欧几里德距离是： D(X,Y)=√(〖(x1-y1)〗^2+〖(x2-y2)〗^2+⋯+〖(xn-yn)〗^2 ) 该算法涉及3个主要因素：训练集、距离或相似的衡量、k的大小。