sklearn在机器学习中的应用－Ｋ近邻
[toc]
K近邻K-Nearest Neighber,KNN
K近邻分类
1 | sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,weights='uniform',algorithm='auto',leaf_size=30,metirc='minkowski',p=2,n_jobs=-1) |
参数
n_neighbors 指定最近邻点的个数weights 指定投票权重类型
- 默认为uniform 表示K个最近邻点的投票权均等
- distance 表示投票权中与它们距离待预测点的距离成反比algorithm 指定寻找最近邻点的算法
- auto
- kd_tree(KD树算法)
- ball_tree(BallTree算法)
- brute(暴力搜索法)leaf_size指定KD树算法或BallTree算法中叶子节点的数目metric指定距离度量的类型。默认闵可夫斯基p 配合metric 使用
- p=1 曼哈顿距离
- p=2 欧式距离n_jobs 计算机核数
方法
fit(X_train,y_train)score(X_test,y_test)predict(X)predict_proba(X)预测集X属于各个类别的概率kneighbors([X,n_neighbors,return_distance])返回待测样本点的K个最近邻点，当return_distance=True时，还会返回这些最近邻点对应的距离keighbors_graph([X,n_neighbors,model])返回样本点的连接图
K近邻回归
参考K近邻分类
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 jaytp@qq.com
文章标题:sklearn在机器学习中的应用－Ｋ近邻
本文作者:Espresso
发布时间:2019-12-02, 19:56:01
最后更新:2019-12-02, 20:17:03
原始链接:http://yoursite.com/2019/12/02/sklearn%E5%9C%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8%EF%BC%8DK%E8%BF%91%E9%82%BB/版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。