『样本』kNN分类算法及其python实现( 三 )
train_X, train_Y = M.generate_training_data()
print(train_X)
M.fit(train_X, train_Y)
xiao_li_zi = np.array([175,75,0])
res = M.predict(xiao_li_zi)
print(res)
3结束语
KNN是我们学数据挖掘或者机器学习时 , 最早接触的分类算法 。比起SVM之类的算法 , KNN显得有些简陋 , 不过如果通过数据探查和分析 , 如果可以确定样本非常容易分类 , 使用简单的算法还是挺节省资源的 。
KNN算法在实际使用之外 , 还有教学价值 。KNN现在的实用性可能不是特别高 , 但是由于符合人类思维习惯、比较直观 , 而且容易实现 , 是数据科学入门必学算法;另外 , 学习聚类算法 , 比较顺畅的学习路径就是先学习KNN , 然后学习kmeans , 然后看其他的聚类算法 。
推荐阅读
- 海信再造海信!揭秘青岛国企混改新样本
- 德林社|再造海信!揭秘青岛国企混改新样本
- GPT-GPT-3王者来袭!1750亿参数少样本无需微调,网友:「调参侠」都没的当了
- 网商品|主图视频、图片、细节图自动分类保存同一目录的方法
- 外挂报告显示:外挂样本更新频次越来越高 辅助工具呈现平台化趋势
- 电商■B2B电商系统开发模式分类
- [中国]寻找ICT中国样本——ICT中国2020年度评选案例申报启动
- 「」航天知识丨航天器的概念与分类
- 【技术】FTTx的技术分类
- 『目标』MAML-Tracker:用目标检测思路做目标跟踪?小样本即可得高准确率丨CVPR 2020