机器学习之降维与度量学习

降维与度量学习 k近邻学习 k近邻(k-Nearest Neighbor,简称kNN)学习是一种监督学习方法。 其工作机制为：在样本中，根据距离度量找出训练集中临近的k个样本，基于这k个样本进行预测。 一般，在分类任务中使用“投票法”，即选择最多的类别标记作为预测结果。 在回归任务中使用“平均法”。另外还可以使用距离度量以及加权平均来进行预测。 k近邻学习相比较其他的学习不同之处在于，它没有显式的

>>阅读原文<<