网站安全检测发生告警后,优化系统设置,html超链接,有没有好的网站原文: https://zhuanlan.zhihu.com/p/143092725
1. 概述
KNN 可以说是最简单的分类算法之一#xff0c;同时#xff0c;它也是最常用的分类算法之一。注意#xff1a;KNN 算法是有监督学习中的分类算法#xff0c;它看起来和另一个机器学习算法 K-means 有点像#xff0…原文: https://zhuanlan.zhihu.com/p/143092725
1. 概述
KNN 可以说是最简单的分类算法之一同时它也是最常用的分类算法之一。注意KNN 算法是有监督学习中的分类算法它看起来和另一个机器学习算法 K-means 有点像K-means 是无监督学习算法但却是有本质区别的。
2. 核心思想
KNN 的全称是 K Nearest Neighbors意思是 K 个最近的邻居。从这个名字我们就能看出一些 KNN 算法的蛛丝马迹了。K 个最近邻居毫无疑问K 的取值肯定是至关重要的那么最近的邻居又是怎么回事呢其实KNN 的原理就是当预测一个新的值 x 的时候根据它距离最近的 K 个点是什么类别来判断 x 属于哪个类别。听起来有点绕还是看看图吧。
3. 算法实现
3.1 Sklearn KNN参数概述 要使用 Sklearn KNN 算法进行分类我们需要先了解 Sklearn KNN 算法的一些基本参数
4. 算法特点
KNN是一种非参的、惰性的算法模型。什么是非参什么是惰性呢
非参的意思并不是说这个算法不需要参数而是意味着这个模型不会对数据做出任何的假设与之相对的是线性回归我们总会假设线性回归是一条直线。也就是说 KNN 建立的模型结构是根据数据来决定的这也比较符合现实的情况毕竟在现实中的情况往往与理论上的假设是不相符的。
惰性又是什么意思呢想想看同样是分类算法逻辑回归需要先对数据进行大量训练tranning最后才会得到一个算法模型。而 KNN 算法却不需要它没有明确的训练数据的过程或者说这个过程很快。
5. 算法优缺点
5.1优点 简单易用。相比其他算法KNN 算是比较简洁明了的算法即使没有很高的数学基础也能搞清楚它的原理。 模型训练时间快上面说到 KNN 算法是惰性的这里也就不再过多讲述。 预测效果好。 对异常值不敏感。 5.2 缺点 对内存要求较高因为该算法存储了所有训练数据。 预测阶段可能很慢。 对不相关的功能和数据规模敏感。
6. KNN 和 K-means比较
前面说到过KNN 和 K-means 听起来有些像但本质是有区别的这里我们就顺便说一下两者的异同吧。
6.1 相同点 K 值都是重点。 都需要计算平面中点的距离。 6.2 相异点
KNN 和 K-means 的核心都是通过计算空间中点的距离来实现目的只是他们的目的是不同的。KNN 的最终目的是分类而 K-means 的目的是给所有距离相近的点分配一个类别也就是聚类。
简单说就是画一个圈KNN 是让进来圈子里的人变成自己人K-means 是让原本在圈内的人归成一类人。
至于什么时候应该选择使用 KNN 算法Sklearn 的这张图给了我们一个答案
在这里插入图片描述 简单来说就是当需要使用分类算法且数据比较大的时候就可以尝试使用 KNN 算法进行分类了。
补充
Scikit-learn (Sklearn) 是机器学习中常用的第三方模块对常用的机器学习方法进行了封装包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机器学习问题时便可根据上图来选择相应的方法。Sklearn 具有以下特点
简单高效的数据挖掘和数据分析工具让每个人能够在复杂环境中重复使用建立NumPy、Scipy、MatPlotLib 之上。
