K近邻分类 - 工业大脑开放平台

本文为您介绍算法组件的K近邻分类算法组件。

K近邻分类算法是分析在特征空间中，如果一个样本附近的k个最近（即特征空间中最邻近）样本的大多数属于某一个类别，则该样本也属于该类别。

计算逻辑原理

使用KNeighborsClassifier算法进行建模。

完成输入输出变量配置和参数配置。

IN端口

参数名	描述
特征变量	配置模型特征列
目标变量	配置模型目标列

算法参数

参数名	描述	默认值	范围
选取最近邻样本数	无	5	[1,100]
权重	均匀：每个邻域中的所有点均被加权。距离：权重和距离成反比，距离预测目标越近具有越高的权重。	均匀	均匀距离
寻找最近样本的算法	自动：根据样本数据自动刷选合适的算法。球树：构建“球树”算法模型。 KD树：“kd树”算法。暴力搜索：使用蛮力搜索，即或相当于Knn算法，需遍历所有样本数据与目标数据的距离，进而按升序排序从而选取最近的K个值，采用投票得出结果。	自动	自动球树 KD树暴力搜索

其他参数

参数名	描述
模型结果	查看建模成功后的模型评价结果