如何用Python编写示例代码实现K-近邻算法？

本文共计2224个文字，预计阅读时间需要9分钟。

目录

一、介绍

二、k-近邻算法的步骤

三、Python 实现

四、约会网站配对效果判定

五、手写数字识别

六、算法优缺点

优点缺点

一、介绍

k-近邻算法（K-Nearest Neighbour algorithm，简称KNN）是一种简单的分类和回归算法。其基本思想是：如果一个样本在特征空间中的k个最近邻样本大多数属于某个类别，则该样本也属于这个类别。

二、k-近邻算法的步骤

1.收集数据

2.准备数据

3.训练算法

4.测试算法

5.使用算法进行预测

目录

• 一、介绍
• 二、k-近邻算法的步骤
• 三、Python 实现
• 四、约会网站配对效果判定
• 五、手写数字识别
• 六、算法优缺点
• 优点
• 缺点

一、介绍

k-近邻算法（K-Nearest Neighbour algorithm），又称 KNN 算法，是数据挖掘技术中原理最简单的算法。

工作原理：给定一个已知标签类别的训练数据集，输入没有标签的新数据后，在训练数据集中找到与新数据最邻近的 k 个实例，如果这 k 个实例的多数属于某个类别，那么新数据就属于这个类别。简单理解为：由那些离 X 最近的 k 个点来投票决定 X 归为哪一类。