『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