大数据挖掘与应用 第5章 KNN分类算法.pptVIP

操作流程图为，图上方左边为训练表，右边为预测表。 K近邻的字段设置与参数设置如下图所示，其中，字段设置为，选择训练表特征列必选，选择训练表中所需的特征列即可，这里选择的是‘f0’，‘f1’，‘f2’，‘f3’。选择训练表的标签列必选，选择训练表中的标签列即可,这里选择的是‘label’列。选择预测表特征列可选，不选仅当预测表的特征列与训练表的特征列重名时，这里便可不选。产出表附加ID列可选，它是用来标识该列的身份，进而知道某列对应的预测值，默认预测表特征列都作为附加ID列，这里选择的是默认值。参数设置的近邻个数，可自行设置，这里选择的是5. 实验结果如图所示，得到的是对预测表的标签预测。 KNN算法根据距离函数计算待分类样本X和每个训练样本的距离（作为相似度），选择与待分类样本举例最小的K个样本作为X的K个最近邻，最后以X的K哥最近邻中的大多数样本所属的类别作为X的类别。 如何度量样本之间的距离（或相似度）是KNN算法的关键步骤之一。常见的相似度度量方法包括闵可夫斯基距离（当参数p=2时为欧几里得距离，参数p=1时为曼哈顿距离）、余弦相似度、皮尔逊相似系数、汉明距离、杰卡德相似系数等。 5.5 小结 1.简述KNN算法的原理。 2.简述KNN算法的优缺点。 3.简述KNN算法的改进策略。 4.基于阿里云数加平台对KNN算法进行操作。 思考题 第5章 KNN算法 K最近邻(k-