全部产品

K近邻分类

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。

使用流程说明

完成输入输出变量配置和参数配置。

参数说明

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

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