K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。

基础入门

KNN

1.knn-sklearn库官方介绍英文版 作者:开源库 http://scikit-learn.org/stable/modules/neighbors.html

可参照官方教材进行学习,适合有一定英语基础,对sklearn有更深认识。

2.scikit-learn 0.18 中文文档 作者:ApacheCN Apache中文网 http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181

中文教材,参照上面的英文教材一起学习。

3.利用Python通过频谱分析和KNN完成iphone拨号的语音识别 作者:王大宝的CD http://blog.csdn.net/sinat_22594309/article/details/77773504

描述:数学推导固然重要,但写那个实在是太乏味了,然后想到之前网上一个新闻,说一个同学通过新闻里记者拨号的声音反推出了周鸿祎的手机号码,就想着能不能自己也做一个这样的号码识别程序呢?

4.用Python开始机器学习(4:KNN分类算法) 作者:lsldd http://blog.csdn.net/lsldd/article/details/41357931

描述:KNN分类算法(K-Nearest-Neighbors Classification),又叫K近邻算法,是一个概念极其简单,而分类效果又很优秀的分类算法。 他的核心思想就是,要确定测试样本属于哪一类,就寻找所有训练样本中与该测试样本“距离”最近的前K个样本,然后看这K个样本大部分属于哪一类,那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。

5.机器学习(一)——K-近邻(KNN)算法 作者:oYabea http://www.cnblogs.com/ybjourney/p/4702562.html

描述:最近在看《机器学习实战》这本书,因为自己本身很想深入的了解机器学习算法,加之想学python,就在朋友的推荐之下选择了这本书进行学习。

6.机器学习实战ByMatlab(1):KNN算法 作者: Liu_LongPo的专栏(@Liu_LongPo)

http://blog.jobbole.com/86901/

描述:KNN 算法其实简单的说就是“物以类聚”,也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类,思想很简单:如果一个样本的特征空间中最为临近(欧式距离进行判断)的K个点大都属于某一个类,那么该样本就属于这个类。这就是物以类聚的思想。

7.C++实现K-近邻算法KNN 作者:忆之独秀 http://blog.csdn.net/lavorange/article/details/16924705

描述:本文不对KNN算法做过多的理论上的解释,主要是针对问题,进行算法的设计和代码的注解。

8.机器学习算法与Python实践之(一)k近邻(KNN) 作者:zouxy09 http://blog.csdn.net/zouxy09/article/details/16955347

描述: K最近邻(k-Nearest Neighbor,KNN)分类算法可以说是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。

9.kNN算法__手写识别——基于Python和NumPy函数库 作者:wepon_ http://blog.csdn.net/u012162613/article/details/41768407

描述:kNN算法,即K最近邻(k-NearestNeighbor)分类算法,是最简单的机器学习算法之一,算法思想很简单:从训练样本集中选择k个与测试样本“距离”最近的样本,这k个样本中出现频率最高的类别即作为测试样本的类别。

进阶文章

视频教程

报告

Github 代码

名人主页

成为VIP会员查看完整内容
微信扫码咨询专知VIP会员