K近鄰分類器,通過計算待分類數據點，與已有數據集點的所有數據點的距離。取距離最小的前K個點，根據“少數服從多數”的原則，將這個數據點劃分為出現次數最多的那個類別。

sklean庫s，可以使用sklean.neighbors.KNeighborsClassiffier創建k近鄰分類器

主要參數：

• n_neighbors:指定K的大小(默認為5)
• ?weights:設置選中k個點對分類結果影響的權重(默認為uniform,可以選擇disance代表越近的點權重越高，或者傳入自己編寫的以距離為參數的權重計算函數)。
• ? algorithm:設置用于計算臨近點的方法，因為當數據量很大的情況下，計算當前點和所有點的距離?在選擇出最近的k的各點，這個計算量很大，所以選項中有ball_tree，kd_tree,?brute,分別代表不同的尋找鄰居的優化算法，默認為為auto，根據訓練數據自動選擇。

from sklearn.neighbors import KNeighborsClassifier x=[[0],[1],[2],[3]]#數據x和對應的標簽y y=[0,0,1,1]neigh=KNeighborsClassifier(n_neighbors=3) neigh.fit(x,y)print(neigh.predict([[1.1]]))#k的取值：大或者小都可能不能達到期望結果。一般情況會傾向于選擇較小值，然后通過交叉驗證選取最優值。

?

總結

以上是生活随笔為你收集整理的python-k近邻分类器-KNN的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。