《机器学习介绍》 K最近邻（KNN）算法.pptx

K-NearestNeighbors(KNN);K最近邻（KNN）算法;K最近邻（KNN）算法;K最近邻（KNN）算法;K最近邻（KNN）算法（K=1);K最近邻（KNN）算法（K=3）;K最近邻（KNN）算法(K=5);K最近邻（KNN）算法;CodingTime-1;1. 把一个物体表示成向量;1.把一个物体表示成向量;2.标记号每个物体的标签;3.计算两个物体之间的距离/相似度;CodingTime-2;4.选择合适的K;决策边界;决策边界决定“线性分类?”或者“非线性分类?”;KNN的决策边界：怎么寻找（i.e.,K=1）？;;KNN的决策边界：K值的影响;CodingTime-3;怎么去选择合适的K？;交叉验证;5折交叉验证(5-foldCrossValidation);5折交叉验证(5-foldCrossValidation);交叉验证中需要注意的点;KNN中需要考虑的点–回顾之前的例子;特征的缩放;特征;特征;CodingTime-4;KNN的延伸内容(1)–如何处理大数据量？;KNN的延伸内容(1)–如何处理大数据量？;KNN的延伸内容(1)–如何处理大数据量？;KNN的延伸内容(2)–如何处理特征之间的相关性？;KNN的延伸内容(3)–怎么处理样本的重要性？;KNN的延伸内容(4)–能不能利用KernelTrick?;总结