機器學習實戰筆記（一）k-近鄰算法

k-近鄰算法（kNN）的工作原理： 存在一個樣本數據集合，也稱作訓練樣本集，並且樣本集中每個數據都存在標籤，即我們知道樣本集中每一數據與所屬分類的對應關係。輸入沒有標籤的新數據後，將新數據的每個特徵與樣本集中數據對應的特徵進行比較，然後算法提取樣本集中特徵最相似數據（最近鄰）的分類標籤。 一般來說，只選擇樣本集中前 k 個最相似的數據，通常 k 是不大於20的正式。 k-近鄰算法（kNN）的一般流

>>阅读原文<<