K-NN(K Nearest Neighbo，又称k近邻算法)
大晚上玩游戏无聊了，翻了下facenet谷歌人脸检测算法开源库，白天跟别人聊了下，K-NN算法，看facenet这篇论文时也提到了k-NN算法，所以记录下。
Machine learning最基础的算法，通过计算新数据与训练数据特征值之间的距离，然后选取K(k>=1)个距离最近的邻居进行分类或者回归。当k=1时，新数据将分配给其近邻类。
三个距离测量公式仅对连续变量有效。在分类变量的情况下，必须使用Hamming距离。当数据集中存在数值型和分类型变量混在一起时，提出0和1之间数值变量的标准化。
k越大，数据越精准，降低整体噪音，但不是绝对的。大多数数据集的最佳K值在3-10之间，要比1NN要好。
参考地址：
http://www.saedsayad.com/k_nearest_neighbors.htm
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！