KNN分类的时候,对新的样本,根据其k个最近邻的训练样本的类别,通过多数表决等方式进行预测。
举一反三
- K近邻方法的核心思想是对一个预测样本A，从训练数据集中找到与其最相似的k个样本，利用这个k个样本的类别来决策该样本A的类别。
- KNN每次对新样本进行分类，都需要与所有的训练样本进行比较。
- 对待分类样本x,根据与其最近或最相似的k个训练样本的类别标签来确定x的类别的分类方法是________。 A: Fisher线性判别 B: 决策树 C: k近邻分类法 D: 信息熵
- k近邻分类器中参数k的含义是( _______)的数目。 A: 最近邻居 B: 训练样本 C: 类 D: 测试样本
- k 近邻方法不需要事先学习分类模型，当需要预测的时候，根据预测样本的特性和已知训练数据集中的数据进行类别的判断。