|
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() |
|
|
