【算法】K最近邻算法（K-NEAREST NEIGHBOURS，KNN）

K最近邻算法（k-nearest neighbours，KNN）

算法

1. 对一个元素进行分类
2. 查看它k个最近的邻居
3. 在这些邻居中，哪个种类多，这个元素有更大概率是这个种类

使用

使用KNN来做两项基本工作——分类和回归：

•   分类就是编组；
•   回归就是预测结果（如一个数字）。

特征抽取

用于确定两个元素相似程度

方法

使用毕达哥拉斯公式

1. 将可对比的类别转换为一组坐标
2. 使用毕达哥拉斯公式

回归（regression）

回归可以预测结果

方法

1. 对一元素分类（找寻影响因素）
2. 查看其k个邻居
3. 根据邻居的表现，计算平均值即可

挑选合适的特征

原则

•   与要分析的元素紧密相关的特征；
•   不偏不倚的特征（例如，如果只让用户给喜剧片打分，就无法判断他们是否喜欢动作片）

在挑选合适的特征方面，必须考虑到各种需要考虑的因素。

机器学习简介

机器学习旨在让计算机更聪明

OCR

光学字符识别（optical character recognition）

指的是拍摄印刷页面的照片，计算机将自动识别出其中的文字。

原理

使用KNN

(1) 浏览大量的数字图像，将这些数字的特征提取出来。

(2) 遇到新图像时，提取该图像的特征，再找出它最近的邻居都是谁！

一般而言， OCR算法提取线段、点和曲线等特征。

OCR的第一步是查看大量的数字图像并提取特征，这被称为训练（training）

朴素贝叶斯分类器（Naive Bayes classifier）

首先需要使用一些数据对这个分类器进行训练。

朴素贝叶斯分类器能计算出一些事件概率，其应用领域与KNN相似

小结

•    KNN用于分类和回归，需要考虑最近的邻居。
•   分类就是编组。
•   回归就是预测结果（如数字）。
•   特征抽取意味着将物品（如水果或用户）转换为一系列可比较的数字。
•   能否挑选合适的特征事关KNN算法的成败。