K 近邻算法(K-Nearest Neighbor, KNN) 测量 不同特征值 间距离 进行分类 优点:
缺点:
流程:
Q:如何测试分类器? A:常用评估方法:错误率
Q:为什么进行归一化? A: 特征值间 量纲 差异大,导致最终结果易受某些仅仅是 量纲大 的数影响 取值范围 处理为 [0, 1] 或 [-1, 1] 特征值转到 [0, 1] 公式:newValue = (oldValue-min)/(max-min) 举例:
image-20201206111927160数字差值 最大的属性 对计算结果的影响最大 每年获取的 飞行常客里程数 对于计算结果的影响 将远远大于其他两个特征——玩视频游戏的和每周消费冰淇淋公升数——的影响 仅仅 是因为 量纲,飞行常客里程数 远大于 其他特征值 海伦 认为 这 三种特征 同等重要,飞行常客里程数 不应该 如此严重影响 结果