KNN算法的缺点
- 效率低下(最大的缺点),O(m*n)的复杂度,m个样本,n个特征.
- 高度数据相关
- 预测结果不具有可解释性.
KNN算法原理
针对某个数据点,根据旁边相邻数据点的标记,进行投票,该数据点位票数最多的标记.
超参数
-
距离.可采用不同的距离.对明可夫斯基距离,可以取不同的p
距离
2.n_neighbors(k) 进行投票的数据点,数据点k越小,算法越复杂.
3.weights:加权方式,可以按照等距离加权,也可以根据距离的倒数进行加权.
KNN算法的缺点
KNN算法原理
针对某个数据点,根据旁边相邻数据点的标记,进行投票,该数据点位票数最多的标记.
超参数
距离.可采用不同的距离.对明可夫斯基距离,可以取不同的p
2.n_neighbors(k) 进行投票的数据点,数据点k越小,算法越复杂.
3.weights:加权方式,可以按照等距离加权,也可以根据距离的倒数进行加权.
本文标题:3.1 KNN - 算法概述
本文链接:https://www.haomeiwen.com/subject/rxqztftx.html
网友评论