欢迎关注WX公众号：【程序员管小亮】

sklearn.neighbors.KNeighborsClassifier()函数用于实现k近邻投票算法的分类器。

class sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, weights=’uniform’, algorithm=’auto’, leaf_size=30, p=2, metric=’minkowski’, metric_params=None, n_jobs=None, **kwargs)

参数：

n_neighbors ： int，optional(default = 5)
默认情况下kneighbors查询使用的邻居数。就是k-NN的k的值，选取最近的k个点。
weights ： str或callable，可选(默认=‘uniform’)
默认是uniform，参数可以是uniform、distance，也可以是用户自己定义的函数。uniform是均等的权重，就说所有的邻近点的权重都是相等的。distance是不均等的权重，距离近的点比距离远的点的影响大。用户自定义的函数，接收距离的数组，返回一组维数相同的权重。
algorithm ： {‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选
快速k近邻搜索算法，默认参数为auto，可以理解为算法自己决定合适的搜索算法。除此之外，用户也可以自己指定搜索算法ball_tree、kd_tree、brute方法进行搜索，brute是蛮力搜索，也就是线性扫描，当训练集很大时，计算非常耗时。kd_tree，构造kd树存储数据以便对其进行快速检索的树形数据结构，kd树也就是数据结构中的二叉树。以中值切分构造的树，每个结点是一个超矩形，在维数小于20时效率高。ball tree是为了克服kd树高纬失效而发明的，其构造过程是以质心C和半径r分割样本空间，每个节点是一个超球体。
leaf_size ： int，optional(默认值= 30)
默认是30，这个是构造的kd树和ball树的大小。这个值的设置会影响树构建的速度和搜索速度，同样也影响着存储树所需的内存大小。需要根据问题的性质选择最优的大小。
p ：整数，可选(默认= 2)
距离度量公式。在上小结，我们使用欧氏距离公式进行距离度量。除此之外，还有其他的度量方法，例如曼哈顿距离。这个参数默认为2，也就是默认使用欧式距离公式进行距离度量。也可以设置为1，使用曼哈顿距离公式进行距离度量。
metric ：字符串或可调用，默认为’minkowski’
用于距离度量，默认度量是minkowski，也就是p=2的欧氏距离(欧几里德度量)。
metric_params ： dict，optional(默认=None)
距离公式的其他关键参数，这个可以不管，使用默认的None即可。
n_jobs ： int或None，可选(默认=None)
并行处理设置。默认为1，临近点搜索并行工作数。如果为-1，那么CPU的所有cores都用于并行工作。

警告关于最近邻居算法，如果发现两个邻居，邻居k+1和k具有相同距离但不同标签，则结果将取决于训练数据的排序。

例子：

>>> X = [[0], [1], [2], [3]]
>>> y = [0, 0, 1, 1]
>>> from sklearn.neighbors import KNeighborsClassifier
>>> neigh = KNeighborsClassifier(n_neighbors=3)
>>> neigh.fit(X, y)
KNeighborsClassifier(...)
>>> print(neigh.predict([[1.1]]))
[0]
>>> print(neigh.predict_proba([[0.9]]))
[[0.66666667 0.33333333]]

k-近邻算法实现理论和代码在博客：【机器学习】《机器学习实战》读书笔记及代码：第2章 - k-近邻算法

sklearn.neighbors.KNeighborsClassifier()函数解析（最清晰的解释）相关推荐

sklearn.neighbors.KNeighborsClassifier()函数解析
sklearn.neighbors.KNeighborsClassifier`` class sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, ...
API sklearn.neighbors.KNeighborsClassifier
https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html?highli ...
sklearn.neighbors.KNeighborsClassifier
(1)fit(X, y) : Fit the model using X as training data and y as target values(把X当做训练数据,把y当做真值来训练我们的模型 ...
SKlearn中的函数学习总结（持续更新）
关于SKlearn中的函数学习及关键代码部分,会持续更新 (参考sklearn官方文档) 一:分类.回归二:降维三:模型评估与选择四:数据预处理五:模型保存大类小类适用问题实现文档说 ...
sklearn中的train_test_split()函数解析
sklearn中的train_test_split()函数解析 train_test_split()函数:机器学习中用于分割数据集(训练集和测试集) X_train,X_test,y_train,y_ ...
pd.DataFrame()函数解析（最清晰的解释）
欢迎关注WX公众号:[程序员管小亮] DataFrame是Python中Pandas库中的一种数据结构,它类似excel,是一种二维表. 文章目录欢迎关注WX公众号:[程序员管小亮] ==DataF ...
ML之sklearn：sklearn的make_pipeline函数、RobustScaler函数、KFold函数、cross_val_score函数的代码解释、使用方法之详细攻略
ML之sklearn:sklearn的make_pipeline函数.RobustScaler函数.KFold函数.cross_val_score函数的代码解释.使用方法之详细攻略目录 sklear ...
sklearn.neighbors 最近邻相关算法，最近邻分类和回归
文章目录 sklearn.neighbors 最近邻相关算法,分类和插值 1. 查找最近邻元素 2. 最近邻分类 3. 最近邻回归 4. NearestCentroid 最近邻质心分类 5. Neig ...
ML之sklearn：sklearn的RobustScaler函数、KFold函数、cross_val_score函数的代码解释、使用方法之详细攻略
ML之sklearn:sklearn的RobustScaler函数.KFold函数.cross_val_score函数的代码解释.使用方法之详细攻略目录 sklearn的RobustScaler函数 ...
json数据解析_VBA 实践指南 -- Split函数解析Json数据
什么是JSON? JSON(JavaScript Object Notation) 是一种及其轻量级的数据交换格式,它是 ECMAScript (欧洲计算机协会制定的JavaScript规范)的一个子 ...

sklearn.neighbors.KNeighborsClassifier()函数解析（最清晰的解释）

欢迎关注WX公众号：【程序员管小亮】

sklearn.neighbors.KNeighborsClassifier()函数用于实现k近邻投票算法的分类器。

例子：

k-近邻算法实现理论和代码在博客：【机器学习】《机器学习实战》读书笔记及代码：第2章 - k-近邻算法

sklearn.neighbors.KNeighborsClassifier()函数解析（最清晰的解释）相关推荐

最新文章

热门文章