Knn算法的工作原理

Question

当我开始理解这个算法时，我不太明白它应该如何工作。我有一个数据集，我有需要分类的新数据。数据集：

2   2   a
3   5   a
1   8   b
3   16  b
4   12  a
5   20  a

以及一项新的数据：

1   2

现在我需要将新的集合分类为"a“或"b”。我可以为每一组计算距离，为每个数据集计算sqrt((aNew-Ai)^2+(bNew-Bi)^2)。我有这个数据：

    a   b   dist    class
new 1   2   ?       ?
old 2   2   1,0     a
old 3   5   5,8     a
old 1   8   8,1     b
old 3   16  16,3    b
old 4   12  12,6    a
old 5   20  20,6    a

也是为了前任。K等于6。我应该如何分类我的新数据？

Answer 1

您需要找到新数据点与数据集中所有点之间的距离。

1. 按升序排列这些距离。
2. 从列表中提取第一个K数的距离。
3. 从选好的距离上来上课。
4. 现在检查哪一类的重复次数或选票最多。

要在Java中实现，请参考这里

Answer 2

在您的示例中，它是a，因为它是k (6)最近邻列表中最常见的值。

但是K应该是一个不均匀的数字，以防止模糊的分类。