这是最基础的入门算法，属于有监督学习，主要用途进行分类
流程
1：获取样本数据集(包括分类标签和特征属性值)
2：获取待预测数据集的特征值，通过与样本数据集的特征进行比较
3：然后算法提取样本集中特征最相似数据的分类标签
4：一般只提取样本数据集中前K个最相似的数据分类标签，这就是k-邻近算法的出处，通常k是不大于20的整数
5：最后从K数据里面提取出现次数最多的分类标签，作为待预测数据集的分类标签，即完成实际分类业务
通俗说法
1：拿一堆水果
2：拿一个未知水果
3：根据未知水果的特征与每一种水果的特征进行比较
4：取出最相似的前K个水果，这个K通常是不大于20的整数
5：从这K个水果里面，提取出出现次数最多的水果A
6：把这个未知水果归结为水果A
7：完成分类
posted on 2017-08-01 12:02
朔望魔刃 阅读(135)
评论(0) 编辑 收藏 所属分类:
python