本系列代码托管于：https://github.com/chintsan-code/machine-learning-tutorials
本篇使用的项目为：knnDemo
classify0这个方法其实就是计算两个两个特征点之间的欧氏距离（L2距离），这里需要一些numpy基础：
numpy.array.shape[0] # 获取array的row，相对的shape[1]是获取column
numpy.tile # https://www.jianshu.com/p/9519f1984c70
numpy.sum # https://www.jianshu.com/p/7cf1f32981c5总结一下knn的步骤
- 求待分类点与各个样本点的欧氏距离；
- 将该距离按从小到大排序；
- 取距离最小的k个值；
- 统计这些距离对应的样本点的标签，按少数服从多数的原则，确定待分类的属于哪一类标签。
ps：k并不是指有多少类别，而是要取多少个距离来统计
评论 (0)