统计学习方法——第3章

第3章 k近邻法 简介 k近邻法（k-nea。rest neighbor,k-NN）是一种基于分类与回归方法。 分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方法进行预测。 因此，k近邻法不具有显示的学习过程。k近邻法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 k近邻法有三个基本的要素：k值的选择、距离度量及分类决策规则； k近邻法的一个实现方法——

>>阅读原文<<