k近邻算法中k值得选择
k值得选择会对k近邻的结果产生重大的影响 若是选择较小的K值，就至关于用较小的邻域中的训练实例进行预测，“学习”的近似偏差会减少，只有输入实例较近的训练实例才会对预测结果起做用。但缺点是“学习”的估计偏差会增大，预测结果会对近邻实例点很是敏感。若是邻近的实例点恰巧是噪声，预测就会出错。换句话说，k值得减少就意味着总体模型很是复杂，容易发生过拟合 若是选择较大的k值，就至关于用较大邻域中的训练实
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。