“4.3 实例：使用 K-近邻算法进行分类”的版本间的差异
来自CloudWiki
（创建页面，内容为“ K最近邻 (k-Nearest Neighbors，KNN) 算法是一种分类算法，也是最简单易懂的机器学习算法，没有之一。1968年由 Cover 和 Hart 提出，…”） |
|||
| 第3行： | 第3行： | ||
先准备下电影分类数据集（电影名称与分类来自于优酷网；镜头数量则纯属虚构）： | 先准备下电影分类数据集（电影名称与分类来自于优酷网；镜头数量则纯属虚构）： | ||
| − | + | [[文件:AIred012.jpg]] | |
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
2018年5月29日 (二) 13:59的版本
K最近邻 (k-Nearest Neighbors，KNN) 算法是一种分类算法，也是最简单易懂的机器学习算法，没有之一。1968年由 Cover 和 Hart 提出，应用场景有字符识别、文本分类、图像识别等领域。该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个样本中的大多数属于某一个类别，则该样本也属于这个类别。还是直接讲例子最好懂，一直没找到好的例子，就改造了下Peter Harrington的《机器学习实战》中电影分类的例子，当然实际情况不可能这么简单，这里只是为了说明该算法的用法。
先准备下电影分类数据集（电影名称与分类来自于优酷网；镜头数量则纯属虚构）：
