人工智能应用k近邻？knn算法的应用题

发布时间：2024-01-04 00:36:18

发布者：网友

大家好，关于人工智能应用k近邻很多朋友都还不太明白，今天小编就来为大家分享关于knn算法的应用题的知识，希望对各位有所帮助！

一、k近邻算法怎么找分类点

1、K最近邻(k-NearestNeighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。

2、该方法的思路是:在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。

二、knn算法的应用题

KNN算法也称K近邻，是一种监督学习算法，即它需要训练集参与模型的构建。它适用于带标签集的行列式（可理解为二维数组）的数据集。

需要准备的数据有：训练数据集，训练标签集（每个数据与每个标签都一一对应）用于参与模型构建；

需要测试的数据集——通过这个模型得出——标签集（每个数据对应的标签）

举个例子：我们把人体的指标量化，比如体重多少，三围多少，脂肪比例多少，然后这个标签就是性别（男或女）。我们的训练数据集就是500个男性和500个女性的身体指标，每个数据对应性别标签（男或女），这个就是训练标签集。然后我们输入一个人的指标，模型给出一个性别的判断，这个就是输出的标签集，也就是最后的预测结果。

1、计算输入测试数据与训练数据集的距离，这里用欧式距离来计算。

2、根据得到的距离大小，按升序排序

3、取前K个距离最小的数据集对应的标签

5、取出现频率最高的标签作为输入的测试数据的最后的标签，即预测结果

其中，欧式距离的计算公式如下：

这个公式怎么理解呢？假设输入的被测数据为A，它有两个维度（或者说字段），分别是AX-1和AX2。B为训练数据集，同理也有两个维度，BX-1和BX2和，所以以上的计算公式即不同维度的差的平方的和的开方。

下面直接贴上代码，每一段都附有注释，希望童鞋们可以通过理解代码的执行来掌握整个KNN算法的流程。

三、k邻近算法有几个参数

有1个，这里面knn算法的参数有一个

关于人工智能应用k近邻到此分享完毕，这篇文章只是小编的分享，并不能代表大家观点和客观事实，仅仅给大家作为参考交流学习哦！希望能帮助到您。

——————————————小炎智能写作工具可以帮您快速高效的创作原创优质内容，提高网站收录量和各大自媒体原创并获得推荐量，点击右上角即可注册使用