机器学习之kNN算法

kNN原理及实践

1 算法介绍总的来说，机器学习入门的第一个算法是k-近邻算法（kNN），它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。2 算法流程k-近邻算法的伪代码如下：对未知类别属性的数据集中的每个点依次执行以下操作：(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) 返回前k个点出现频率最高的类别作为当前点的预测分类。3 案例实践——使用 k-近邻算法改进约会网站的配对效果（参考机器学习实践第二章，数据来源https://www.manning.com/books/machine-learning-in-action）4 代码