实战一:k-近邻代码的实现2_python3数据分析与机器学习-CSDN在线视频培训

课时介绍

KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
KNN 算法本身简单有效，它是一种 lazy-learning 算法，分类器不需要使用训练集进行训练，训练时间复杂度为0。KNN 分类的计算复杂度和训练集中的文档数目成正比，也就是说，如果训练集中文档总数为 n，那么 KNN 的分类时间复杂度为O(n)。
KNN方法虽然从原理上也依赖于极限定理，但在类别决策时，只与极少量的相邻样本有关。由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合。

课程介绍

本课程专为Python初学者和爱好者打造，旨在使学员学会、掌握Python相关知识和技能，并能进行项目开发。当您认真、系统地学完这套课程之后，就可以骄傲地说“我是一位真正的Python程序员了”，那怕目前您还是初学者.

机器学习是一门多领域交叉的学科，是人工智能的核心，其应用遍及人工智能的各个领域，专门研究计算机是如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有知识结构，使之不断改善自身的性能。在机器学习过程中，需要使用大量数据，而数据分析是指用适当的方法对收集来的大量数据进行分析。提取有用信息和开成结论而对数据加以详细研究和概括总结的过程。

教程从项目开发经验入手，结合理论知识的讲解，便成为课程的立足点。也转化成了对我们讲师的要求。