Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1377077
  • 博文数量: 209
  • 博客积分: 464
  • 博客等级: 下士
  • 技术积分: 3762
  • 用 户 组: 普通用户
  • 注册时间: 2011-01-24 18:25
  • 认证徽章:
个人简介

阿弥陀佛

文章分类

全部博文(209)

文章存档

2019年(3)

2018年(5)

2017年(6)

2016年(10)

2015年(9)

2014年(73)

2013年(90)

2012年(13)

分类: 云计算

2014-12-08 14:33:55

这种算法是一种简单的机器学习分类算法。
K近邻算法需要用户定义距离度量。
对于n维的特征向量而言x=(x1,x2,x3.....,xn),距离度量通常采用欧式距离。
这个算法的核心思想是通过训练数据,构造出一个KD树。
并对待分类的数据xp=(x1,x2,x3,....,xn) 进行XD树的搜索,直至找到一个近似K节点。
步骤分为三步:
1)在kd树中找出包含目标点x的叶结点:从根节点出发,递归向下travel kd树,如果当前维的坐标<切分点的坐标,移动到左子节点,否则移动到右子节点。
2)以此叶结点为当前最近点
3)递归向上回退,查找最近点。

阅读(1017) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~
评论热议
请登录后评论。

登录 注册