理解K近邻算法 K近邻算法是一种基于实例的学习方法，学的不是明确的泛化模型，而是样本之间的关系。k 近邻算法先找到高维空间中与未知实例最接近的 k个训练实例，再根据少数服从多数的原则，将这 k 个实例中出现最多的类别标签分配给未知的实例。超参数 k对性能的影响较大，甚至会影响分类结果。从另一个角度看，超参数 k 表示了模型的复杂度，准确地说是和模型的复杂度成反比关系。如果训练集的容量为 N，算法的有效参数数目... Other 2024-07-21 37 点赞 0 评论 56 浏览
