3.1 KNN - 算法概述

KNN算法的缺点

  1. 效率低下(最大的缺点),O(m*n)的复杂度,m个样本,n个特征.
  2. 高度数据相关
  3. 预测结果不具有可解释性.

KNN算法原理
针对某个数据点,根据旁边相邻数据点的标记,进行投票,该数据点位票数最多的标记.

超参数

  1. 距离.可采用不同的距离.对明可夫斯基距离,可以取不同的p


    距离

2.n_neighbors(k) 进行投票的数据点,数据点k越小,算法越复杂.

3.weights:加权方式,可以按照等距离加权,也可以根据距离的倒数进行加权.

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容