热门
最新
红包
立Flag
投票
同城
我的
发布
《Python实现KNN(K近邻)模型实践》
它的核心思想是：根据输入样本的特征，找到训练数据集中距离该样本最近的。设计一个简洁、直观的图形用户界面，允许用户进行数据选择、模型训练、结果展示及数据导出等操作。对异常值和噪声数据有一定的鲁棒性（不过距离越远的点可能带来较大影响）。：使用不同的距离度量方式（如曼哈顿距离、闵可夫斯基距离）来提升性能。值的选择，同时调节距离度量（如选择曼哈顿距离或欧几里得距离）。：如果数据集的类别分布不均衡，可能会影响预测结果的准确性。：不做任何关于数据的假设，适合处理各种分布的数据。值代表了算法在进行预测时所考虑的邻居数。
——来自博客 https://blog.csdn.net/xiaoxingkongyuxi/article/details/143263598
Python实现KNN(K近邻)模型实践主要有哪些优缺点(多选)
0 人已经参与 已结束
算法简单、直观，易于理解和实现。
0人
无需训练过程，适合小规模数据。
0人
对异常值和噪声数据有一定的鲁棒性
0人
计算量大
0人
高维数据问题
0人
不适应样本不平衡
0人
其它补充
0人
CSDN App 扫码分享
评论
点赞
- 复制链接
- 举报
