AI入门之KNN算法学习

一、什么是KNN算法

kNN(k-NearestNeighbor)，也就是k最近邻算法。顾名思义，所谓K最近邻，就是k个最近的邻居的意思。也就是在数据集中，认为每个样本可以用离他最距离近的k个邻居来代表。如下例子，从所有样本集中找出距离最近的K个邻居，再根据这个K个邻居的所属类别情况判断测试对象所属类别。

二、KNN算法执行流程

1. 计算测试对象到训练集中每个对象的距离
2. 按照距离的远近排序
3. 选取与当前测试对象最近的k的训练对象，作为该测试对象的邻居
4. 统计这k个邻居的类别频次
5. k个邻居里频次最高的类别，即为测试对象的类别

三、KNN算法有什么特点

　　 1.简单朴素、适合入门AI

        2.可以做分类也可以做回归

        3.属于有监督的机器学习算法

        4.kNN算法没有模型，模型其实就是训练数据集

四、代码运行效果

1、实现算法

2、封装算法

3、调用封装算法

4、调动Sklearn接口

AI入门之KNN算法学习

原文：https://www.cnblogs.com/chaser24/p/12393099.html