本文是《机器学习从零到掌握》系列之第2篇
【机器学习】机器学习从零到掌握之一 -- 教你理解K近邻算法
伪代码如下:
对未知类别属性的数据集中的每个点一次执行以下操作:
(1)计算已知类别数据集中的点与当前点之间的距离;
(2)按照距离递增次序排序;
(3)选取与当前点距离最小的k个点;
(4)确定前k个点所在类别出现的频率
(5)返回前k个点出现频率最高的类别作为当前点的预测分类;
本篇博文涉及到的知识请参考下述博文:
k近邻算法原理请参考:《机器学习实战》第2章阅读笔记1 K近邻算法概述
sum()函数参考:Numpy中sum函数的使用方法(Python自带sum函数)