源代码基于python实现近邻算法回归问题-peaker.pdfVIP

#源代码#基于Python实现K近邻算法回归问题

Peaker

K近邻算法在分类问题中有着卓越的表现，这主要是源于其

参数n_neighbor和weight的选择。k近邻算法的想法很简单，类似于

多数表决，关键点是参与多数表决的人是离你最近的k个人。

给定一个实例，首先从训练集中找到离这个实例最近的k个实例，然

后根据这k个实例中哪个出现次数最多决定该实例的。需要

注意的点是：

a.距离的度量

b.k值得选取

c.和速度

使用的距离不同，k近邻的结果也会不同的，即“由不同的距离度量所

确定的最邻近点是不同的。”

如果每次都计算每个训练实例和输入实例的距离显然是非常耗时

间的，对于样本数量比较大的训练集这是不可行的。一般构造kd树(属

于二叉树)来实现k近邻算法。提升速度，减少量。

kd树的构造是一个递归过程，其思想是对k（