python K-Nearest Neighbor KNN算法

本文主要是介绍python K-Nearest Neighbor KNN算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1、最初的邻近算法，分类算法，基于实例的学习，懒惰学习。

2、算法步骤：

 a、为了判断未知实例类别，选择所有已知的实例作为参考

b,选择参数k

c,计算未知实例和所有已知实例的距离

d,选择最近k个已知实例

e，根据少数服从多数，让未知实例归类为k个中最多的类别

公式：E(x,y)=(xi-yi)^2求和之后再开方

import math
def ComputeEuclideanDistance(x1,y1,x2,y2):d=math.sqrt(math.pow(x1-x2),2)+math.pow((y1-y2),2)return d

算法优点：简单，便于理解，

缺点：需要大量空间存储已知实例。算法复杂度大（需要和所有已知实例比较）。当分布不平衡时，比如某一项太多，很容易被归类为这一项

改进：考虑距离，距离加上权重。 比如1/d。

这篇关于python K-Nearest Neighbor KNN算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---