基于K近鄰特征選擇算法的對比分析
大?。?/span>0.61 MB 人氣： 2017-11-06 需要積分：0
標簽：選擇算法(8913)
KNN算法的主要分為3步：首先，計算待分類樣本與已知類別的訓練樣本之間的距離或相似度，找到與待分類樣本最近的k個樣本，稱之為待分類樣本的k個近鄰：其次，根據(jù)這些樣本所屬的類別來判斷待分類樣本的類別，如果待分類樣本的k個近鄰都屬于同一個類別，那么待分類樣本也屬于該類別：否則的話，對每一個候選類別進行評分，按照一定的規(guī)則來確定待分類樣本的類別。
K近鄰算法中的分類決策規(guī)則往往遵循多數(shù)表決，多數(shù)表決是指由待分類樣本的k個近鄰（訓練樣本）所得到的多數(shù)類別來決定輸入樣本的類別。盡管K近鄰算法可以在一定程度上有效地判斷出待分類樣本的類別，但其結果往往也伴隨著誤差，這樣的誤差文中稱為近鄰錯誤分類率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%