ML Basic Knowledge¶

作为一种有监督算法，它需要样本点类别已知，来判断新的样本点属于哪类。K代表的是根据临近K个点来判断类别。

算法流程：计算已知类别数据集中的点与当前点之间的距离，选取与当前点距离最小的k个点，然后确定前k个点所在类别的出现频率，最后返回前k个点出现频率最高的类别作为当前点的预测分类。

作为一种无监督算法，不需要人工提供数据类别。K代表最后类别个数。

算法流程：随机生成k个中心点，对于N个点，计算自己与中心点的距离，判断自己属于哪一类。然后对于k个中心点，将自己的坐标修改为自己这一类所有数据点的中心点。重复以上流程，直到算法收敛（代价函数的差分值小于一定数值）。