k近邻算法选k值

---

≥▽≤K近邻算法的理论基础

---

 我从理论基础、手写识别算法、手写识别模型等角度介绍了K-近邻算法。

 最近K算法的本质是根据已知的特征插入某些对象。
例如，如果你看到一个父亲和一个儿子，你通常会通过判断他们的年龄来判断谁是父亲，谁是儿子。 除以年龄属性的特征值。

此示例是一个非常简单的分类，由单个维度组成。
例如，参考一个电影节目并确定该视频是乒乓球比赛还是足球比赛。

 必须定义特征才能定义分类。 这里定义了两个特征，一是运动员的“驱动”动作，二是运动员的“踢”动作。 当然，我们不能在看到“激动人心”的动作时立即插入“pingPUTEOmatch”这样的视频，因为我们知道有些足球运动员正在运动场上投掷与队友分享。 同样，我们不能在看到“踢”动作的同时插入“足球比赛”这样的视频，因为有些乒乓球运动员通过“踢”来表达自己的情绪。

我们统计了一段时间内视频中“搅拌”和“腿”动作的次数，发现了以下规律：
●在一场足球比赛的视频中，次数“踢”的次数远多于“开车”的次数

●视频匹配表中的数据点按x轴坐标[3000,5000]分组，y轴坐标为[3000,5000]。 轴坐标为[1,500]，x轴坐标为[1,500]

 这次测试视频，统计显示有2000个“搅拌”。 动作和100个“踢”动作。 如果记下它在图20-1中的位置，就可以找到视频的下一个位置。 测试该视频表是一场网球比赛，因此可以断定该视频表是一场视频网球比赛。

 上面的例子是相对的，要么是黑的，要么是白的。 因此，为了提高算法的可靠性，在实现时选择距离最近的k个点来判断这k个点中大部分属于哪一类，并将当前点划分到哪一类中。 为了使决策更容易，k的值通常为奇数，这也是董事会成员通常排列为奇数的原因，以便明确投票的结果。

例如，众所周知，A和B正在寻找最相似的双胞胎艺术家。 如果要判断图像T中的某个角色是艺术家A还是艺术家B，可以使用K近邻算法的具体步骤。 这是：

这就是K近邻算法的基本思想。