数据挖掘复习笔记---04.2分类问题之 KNN

分类问题之 KNN

简介

  • lazy learning, 训练阶段仅仅保存样本, 没有显式的学习过程, 待收到测试样本后再进行处理

  • 三要素: k值的选择, 距离度量(街区, 欧式, 闵可夫斯基), 分类决策规则(majority vote)

  • 分类步骤

    1.计算测试点到训练集各个点的距离
    2.找出距离最小的 k 个点
    3.投票法得出类别

  • k 太小, 则对噪声敏感; k 太大, 则可能包含太多其他类别的点

    《数据挖掘复习笔记---04.2分类问题之 KNN》

  • 属性中需要归一化, 防止某一属性在计算距离的时候占主导地位

优点

  • 复杂度较低
  • 效率高
  • 非常适用于简单数据集的分类
  • 抗噪,对噪声鲁棒
  • 选取最优决策树是NP完全问题

其他

  • PEBLS: Parallel Examplar-Based Learning System (Cost & Salzberg)

    《数据挖掘复习笔记---04.2分类问题之 KNN》

    原文作者:FrozenMap
    原文地址: https://segmentfault.com/a/1190000018990422
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞