K邻域模式识别法

资 源 简 介

K邻域模式识别法 KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。更有用的方法是将不同距离的邻居对该样本产生的影响给予不同的权值(weight)，如权值与距离成正比。

详 情 说 明

在这段文字中，我们介绍了K邻域模式识别法，也就是KNN算法。除了能够用于分类之外，它还能够用于回归问题。回归问题指的是，我们需要根据给定的自变量来预测因变量的值。在KNN算法中，我们通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。这是一种比较简单的方法，但是我们也可以采用更加复杂的方法来计算样本的属性。比如，我们可以根据邻居与样本之间的距离来给不同的邻居分配不同的权值（weight），使得距离更近的邻居对样本属性的影响更大。这样，我们就可以更加精确地计算出样本的属性了。