当前位置：首页 > news >正文

机器学习（4）—— K近邻算法

news 来源：原创 2025/9/13 3:10:28

文章目录

1. K近邻算法（K-Nearest Neighbors, KNN）原理
- 1.1. K近邻算法是什么算法？
- 1.2. 核心思想
2. K近邻算法的步骤
- 2.1. 选择K值
- 2.2. 计算距离
- 2.3. 选择最近邻：
- 2.4. 做出预测：
3. K值的选择
4. 数据标准化
5. 优缺点
6. 样例代码
7。优化技巧
8. 归纳

1. K近邻算法（K-Nearest Neighbors, KNN）原理

1.1. K近邻算法是什么算法？

K近邻（KNN）是一种惰性学习（Lazy Learning） 算法，适用于分类和回归任务。其核心思想是：“相似的样本在特征空间中距离相近”，通过计算待预测样本与训练样本的距离，找到最近的K个邻居，基于这些邻居的标签进行预测。

1.2. 核心思想

给定一个待分类（或回归）的数据点，找到训练集中距离该数据点最近的K个邻居，然后通过这些邻居的标签（分类问题）或数值（回归问题）来预测该数据点的标签或数值。

分类任务：待预测样本的类别由其K个最近邻居的**多数投票（Majority Voting）**决定。
回归任务：待预测样本的值由其K个最近邻居的平均值决定。
关键参数：
- K值：选择最近的K个邻居（影响模型复杂度）。
- 距离度量：计算样本间距离的方法（如欧氏距离、曼哈顿距离）。

2. K近邻算法的步骤

2.1. 选择K值

选择K个最近邻居。通常K是一个小的整数，常见的选择有1、3、5等。

2.2. 计算距离

计算待分类点与所有训练集点之间的距离，常用的距离度量包括欧几里得距离、曼哈顿距离等。

常用距离公式：

欧氏距离（Euclidean Distance）： $\sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}$
-其中 $x=(x_1,x_2,...,x_n)$ 和 $y=(y_1,y_2,...,x_n)$ 是两个数据点
曼哈顿距离（Manhattan Distance）： $\sum_{i=1}^{n} |x_i - y_i|$
余弦相似度（Cosine Similarity）（适用于高维稀疏数据）： $\cos(\theta) = \frac{x \cdot y}{\|x\| \cdot \|y\|}$

2.3. 选择最近邻：

根据距离，选择距离待分类点最近的K个邻居。

2.4. 做出预测：

分类：如果是分类问题，则返回K个邻居中最多的类别。
回归：如果是回归问题，则返回K个邻居的平均值或中位数。
返回预测结果。

3. K值的选择

K太小（如K=1）：
- 模型复杂，容易过拟合（对噪声敏感）。
- 决策边界不规则。
K太大（如K=N）：
- 模型简单，可能欠拟合（忽略局部特征）。
- 决策边界趋于平滑。
优化方法：
- 使用交叉验证（Cross-Validation）选择最佳K值。

4. 数据标准化

由于KNN依赖距离计算，不同特征量纲差异会导致某些特征主导距离计算。因此，需进行标准化：

Min-Max归一化： $x^′ = \frac{max(X)−min(X)}{x−min(X)}$
Z-Score标准化： $x^′=\frac{x−μ}{σ}$

5. 优缺点

✅ 优点
- 简单直观，易于实现。
- 无需训练（惰性学习，仅存储数据）。
- 适用于多分类和回归问题。
- 对数据分布无假设（非参数方法）。
❌ 缺点
- 计算复杂度高（预测时需计算所有样本距离）。
- 对高维数据效果差（维度灾难，Curse of Dimensionality）。
- 对异常值和噪声敏感。
- 需要特征标准化。
- 选择K值困难（K值过小容易过拟合，K值过大可能导致欠拟合。）

6. 样例代码

# 导入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt# 加载鸢尾花数据集
data = load_iris()
X = data.data
y = data.target# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)# 创建K近邻分类器，选择K=3
knn = KNeighborsClassifier(n_neighbors=3)# 训练K近邻模型
knn.fit(X_train, y_train)# 预测测试集
y_pred = knn.predict(X_test)# 输出准确率
print(f"Accuracy: {accuracy_score(y_test, y_pred):.4f}")

7。优化技巧

调整K值：用网格搜索（GridSearchCV）选择最佳K。
加权投票：近邻的投票可按距离加权（如weights=‘distance’）。
降维：对高维数据先用PCA降维。
近似最近邻（ANN）：用KD-Tree、Ball-Tree或HNSW加速搜索（适合大规模数据）。

8. 归纳

KNN的核心：基于邻居的投票或平均进行预测。
关键参数：
- K值（控制模型复杂度）。
- 距离度量（欧氏/曼哈顿/余弦）。
适用场景：
- 小规模、低维数据。
- 需要快速原型验证的分类/回归问题。

机器学习（4）—— K近邻算法

文章目录 1. K近邻算法（K-Nearest Neighbors, KNN）原理1.1. K近邻算法是什么算法？1.2. 核心思想 2. K近邻算法的步骤2.1. 选择K值2.2. 计算距离2.3. 选择最近邻：2.4. 做出预测： 3. K值的选择4. 数据标准化5. 优缺点6. …...

编程日记 2025/9/13 3:10:28

深入解读 React 纯组件(PureComponent)

什么是纯组件？ React 的纯组件(PureComponent)是 React.Component 的一个变体，它通过浅比较(shallow comparison)props 和 state 来自动实现 shouldComponentUpdate() 方法，从而优化性能。核心特点 1. 自动浅比较： PureCompon…...

编程日记 2025/9/13 3:03:52

常见MQ及类MQ对比：Redis Stream、Redis Pub/Sub、RocketMQ、Kafka 和 RabbitMQ

常见MQ及类MQ对比基于Grok调研 Redis Stream、Redis Pub/Sub、RocketMQ、Kafka 和 RabbitMQ 关键点： Redis Pub/Sub 适合简单实时消息，但不持久化，消息可能丢失。Redis Stream 提供持久化，适合需要消息历史的场景，但…...

编程日记 2025/9/13 3:07:37

202528 | RabbitMQ-高级 | 消息可靠性 | 业务幂等性 | 延迟消息

消息可靠性 RabbitMQ发送者可靠性一、发送者重连机制 #mermaid-svg-gqr6Yr5UNZX87ZDU {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-gqr6Yr5UNZX87ZDU .error-icon{fill:#552222;}#mermaid-svg-gqr6Yr5UNZX87ZD…...

编程日记 2025/9/13 3:01:39

Java EE期末总结（第六章）

一、IoC 1、Bean装配流程 IOC装配流程在代码中的对应就体现在Service这个注解依赖注入在代码中体现在 ，比如 Resource UserService userService 二、AOP 简化流程，为程序员简便操作 tmd编不下去了我自己看视频都没理解md不弄了； 给两个…...

编程日记 2025/9/13 3:05:10

ASP.NET Core 性能优化：内存缓存

文章目录前言一、什么是缓存二、内存缓存三、使用内存缓存1）注册内存缓存服务2）注入与基本使用3）高级用法GetOrCreate（避免缓存穿透）异步方法：GetOrCreateAsync（避免缓存穿透）两种过…...

编程日记 2025/9/13 3:10:28

Go小技巧易错点100例（二十六）

本期分享： 1. string转[]byte是否会发生内存拷贝 2. Go程序获取文件的哈希值正文： string转[]byte是否会发生内存拷贝在Go语言中，字符串转换为字节数组（[]byte）确实会发生内存拷贝。这是因为在Go中，字…...

编程日记 2025/9/13 3:05:10

《算法笔记》3.5小节——入门模拟-＞进制转换

1022 D进制的AB #include <iostream> using namespace std; int maxn32;int main() {int z[maxn],num0,a,b,d;cin>>a>>b>>d;int resab;do{z[num]res%d;resres/d;}while(res);for (int i num-1; i >0 ; i--) {cout<<z[i];}return 0; }问题 A:…...

编程日记 2025/9/13 3:05:09

【MQTT-协议原理】

MQTT-协议原理 ■ MQTT-协议原理■ MQTT-服务器称为"消息代理"（Broker）■ MQTT协议中的订阅、主题、会话■ 一、订阅（Subscription）■ 二、会话（Session）■ 三、主题名（Topic Name&a…...

编程日记 2025/9/13 3:03:52

JWT认证服务与授权 .netCore

1.实现流程图 2.认证信息概述 Header:System.IdentityModel.Tokens.Jwt.JwtHeader Payload: System.IdentityModel.Tokens.Jwt.JwtPayload Issuer: http://localhost:7200 Audience: http://localhost:7200 Expiration: 2025/4/11 15:06:14 Claim - Type: http://schemas…...

编程日记 2025/9/13 2:58:50

编译原理实验二词法分析程序自动生成工具实验

文章目录实验环境的准备实验实验预备知识分析案例所要做的任务实战实验环境的准备安装flex 安装MinGW MinGW Installation Manager页面 apply changes 下载比较耗时只看到了一个文件，复制过去配置环境变量使用gcc -v检验是否安装完成实验实验预备知识…...

编程日记 2025/9/13 2:59:16

【C++初学】课后作业汇总复习（一）概述、输入输出、类的入门——理解封装

一、概述、输入输出、类的入门——理解封装 - 1. ab input two number output sum of a and b; #include <iostream>using namespace std;int main() {int a 0;int b 0;cin >> a >> b;cout << ab <<endl;return 0; }2.输入1~7任意一个整数&…...

编程日记 2025/9/13 3:01:17

数学建模：针对汽车行驶工况构建思路的延伸应用

前言： 汽车行驶工况构建的思简单理解为将采集的大量数据进行“去除干扰、数据处理，缩减至1800S的数据”，并可达到等效替换的目的，可以使在试验室快速复现；相应的解决思路、办法可应用在 “通过能量流采集设备大量采集…...

编程日记 2025/9/12 12:59:17

Qt 之opengl shader language

着色器示例代码实际运行效果...

编程日记 2025/9/13 2:58:51

dolphinscheduler创建文件夹显示存储未启用的问题--已解决

只要修改api-server/comf/common.properties和standalone-server/conf/common.properties里面的内容就可以了，应为你要靠standalone-server这个服务启动dolphinscheduler-web，其他就算怎么改你重启dolphinscheduler的时候系统也不会识别新的common.prope…...

编程日记 2025/9/13 3:01:18

解密 Linux 线程：多线程编程与资源管理

个人主页：chian-ocean 文章专栏-Linux 前言： 在Linux中，线程是一种轻量级的执行单元，它是进程的一部分。多个线程可以在同一个进程内并行执行任务，通常它们共享该进程的资源，如内存空间、文件描述符等。…...

编程日记 2025/9/13 3:01:39

Node.js net模块详解

Node.js 的 net 模块提供了基于 TCP 或 IPC 的网络通信能力，用于创建服务器和客户端。以下是 net 模块的核心 API 详解，包含类、方法、事件及示例。 1. 模块引入 const net require(net);2. 核心类与方法 2.1 net.Server 类用于创建 TCP 或 IPC 服务…...

编程日记 2025/9/13 2:57:17

Node.js中fs模块详解

Node.js 中 fs 模块（非 Promise）API 详解 Node.js 的 fs 模块提供了同步和异步的文件系统操作。以下是非 Promise 版本的 API 详解： 1. 文件读取操作 const fs require(fs);// 异步读取文件 fs.readFile(file.txt, utf8, (err, data) >…...

编程日记 2025/9/13 2:59:15

Mouse without Borders – 用一套鼠标 / 键盘控制四台电脑

同时操控 2 台电脑，只需一个鼠标和键盘！完全免费，由微软官方提供 | 零度解说_哔哩哔哩_bilibili Mouse Without Borders 简介‌ Mouse Without Borders（无界鼠标）是由微软开发的免费键鼠共享工具，支持在局…...

编程日记 2025/9/13 2:57:18

《车辆人机工程-汽车驾驶操纵实验》

汽车操纵装置有哪几种，各有什么特点汽车操纵装置是驾驶员直接控制车辆行驶状态的关键部件，主要包括以下几种，其特点如下： 一、方向盘（转向操纵装置） 作用：控制车辆行驶方向，通过转…...

编程日记 2025/9/12 16:40:01

使用DaemonSet部署集群守护进程集

使用DaemonSet部署集群守护进程集文章目录使用DaemonSet部署集群守护进程集[toc]一、使用DaemonSet部署日志收集守护进程集二、管理DaemonSet部署的集群守护进程集1.对DaemonSet执行滚动更新操作2.对DaemonSet执行回滚操作3.删除DaemonSet 一、使用DaemonSet部署日志收集守护…...

编程日记 2025/9/13 2:59:15

破解升腾c10，改造成下载机（第二篇：获取xterm终端）

当c10刷好华为ct3100系统后，就开始获取xterm终端，然后再安装entware. 第一步：获取xterm终端。点击桌面左下角的工具图标再点browser 输入百度网址，访问！ 然后再将网页另存为～～～…...

编程日记 2025/9/12 22:14:18

浏览器多开

使用浏览器的用户功能，创建多个用户即可完成浏览器多开的需求，插件等相对独立需要命名然后就可以通过多个用户切换来实现多开了，不同任务选择不同用户...

编程日记 2025/9/13 2:58:50

使用Python实现的音符生成和节拍器程序

推荐超级课程：本地离线DeepSeek AI方案部署实战教程【完全版】Docker快速入门到精通Kubernetes入门到大师通关课AWS云服务快速入门实战目录 **摘要****先决条件****设置**生成音符频率播放音符节拍器合并结论摘要节拍器和随机音符生成器各有用途，但单独使用时功能有限。本…...

编程日记 2025/9/13 2:57:18

【生活相关-日语-日本-东京-留学生-搬家后或新入驻-水道局申请饮用水（1）-办理手续】

【生活相关-日语-日本-东京-搬家后-水道局申请饮用水-办理手续】 1、前言2、情况说明（1）他人代办（2）打电话（3）网络申请（4）你将会面临什么，主要步骤（5&#xf…...

编程日记 2025/9/12 7:11:54

PyTorch模型构造实战：从基础到复杂组合

本文通过多个示例演示如何使用PyTorch构建不同类型的神经网络模型，涵盖基础多层感知机、自定义块、顺序块以及复杂组合模型。所有代码均附带输出结果，帮助读者直观理解模型结构。 1. 多层感知机（MLP） 使用nn.Sequential快速构建一…...

编程日记 2025/9/13 3:05:56

【高性能缓存Redis_中间件】一、快速上手redis缓存中间件

一、铺垫在当今的软件开发领域，消息队列扮演着至关重要的角色。它能够帮助我们实现系统的异步处理、流量削峰以及系统解耦等功能，从而提升系统的性能和可维护性。Redis 作为一款高性能的键值对数据库，不仅提供了丰富的数据结构，…...

编程日记 2025/9/13 3:10:28

并发编程--互斥锁与读写锁

并发编程–互斥锁与读写锁文章目录并发编程--互斥锁与读写锁1. 基本概念2. 互斥锁2.1 基本逻辑2.2 函数接口2.3示例代码12.4示例代码2 3. 读写锁3.1 基本逻辑3.2示例代码 1. 基本概念互斥与同步是最基本的逻辑概念： 互斥指的是控制两个进度使之互相排斥&#x…...

编程日记 2025/9/13 3:05:55

Linux下Docker安装超详细教程（以CentOS为例）

前言 Docker 已成为现代应用开发和部署的标配工具。本教程将手把手教你在 CentOS 系统上安装 Docker，涵盖从环境准备到验证安装的全流程，并解决常见问题。无论你是运维工程师还是开发者，均可快速上手。一、环境要求操作系统 CentOS 7 或更…...

编程日记 2025/9/13 3:03:52

Ubuntu 服务器版本设置socket服务（Python）

1. 确定 Socket 类型 Socket 服务可以是：网络 Socket：基于 TCP/UDP 协议（如 Web 服务器、API 服务）。 Unix Domain Socket：本地进程间通信（如 Docker、MySQL 默认使用）。 2. 编写一个简单的 Socket 服务示例（Python）以 Python 为例，创建一个 TCP Socket 服务：…...

编程日记 2025/9/13 3:01:19

对于GAI虚假信息对舆论观察分析

摘要生成式人工智能（Generative Artificial Intelligence, GAI）的技术革新重构了信息生产机制，但也加剧了虚假信息对舆论生态的异化风险。关键词：生成式人工智能、虚假信息、舆论异化、智能治理一、生成式人工智能虚假信息下…...

编程日记 2025/9/13 3:07:39

HTTP：三.HTTP连接

HTTP（Hypertext Transfer Protocol）是一种用于传输超文本数据的应用层协议。它是互联网上最常用的协议，用于在客户端和服务器之间传输数据。HTTP协议通常用于从Web服务器传输网页和文件到客户端浏览器，并支持其他用途，如传输API数据和传输文件。 HTTP连接是指客户端向服务…...

编程日记 2025/9/11 19:40:38

hyper-v server服务器部署远程访问（我目前环境：hyper-v服务器+路由器+公网ip）

Hyper-v server部署（裸金属方式）系统镜像下载安装# 下载地址：17763.737.190906-2324.rs5_release_svc_refresh_SERVERHYPERCORE_OEM_x64FRE_zh-cn_1.iso 安装的过程很简单，和安装Windows操作系统没啥区别，这里就不记录了。安装过程可参考：安装Hyper-v Server 2016 部…...

编程日记 2025/9/11 4:09:18

MCP遇见Web3：从边缘计算到去中心化的无限想象

MCP遇见Web3：从边缘计算到去中心化的无限想象在数字化转型的浪潮中，边缘计算（MCP，Micro Control Protocol）和Web3技术分别在计算效率与去中心化架构上发挥着各自的优势。当两者融合，会碰撞出哪些火花？作为一名技术极客，我最近开始深度研究MCP与Web3工具的集成，试图探…...

编程日记 2025/9/10 12:42:24

【HarmonyOS Next之旅】DevEco Studio使用指南(十三) -＞ ArkTS/TS代码重构

目录 1 -> Refactor-Extract代码提取 2 -> Refactor-Convert代码转换 3 -> Refactor-Rename代码重命名 4 -> Move File 5 -> Safe Delete 1 -> Refactor-Extract代码提取在编辑器中支持将函数内、类方法内等区域代码块或表达式，提取为新方…...

编程日记 2025/9/8 12:38:58

STM32 HAL DHT11驱动程序

DHT11驱动程序会占用TIM3定时器，进行高精度延时。程序共包含4个文件 DHT11.c DHT11.h delay.c delay.h DHT11.c #include "stm32f1xx_hal.h" #include "dht11.h" #include "delay.h" // 添加延时头文件 #define DHT_PORT GPIOB…...

编程日记 2025/9/12 19:34:43

asm汇编源代码之文件操作相关

提供7个子程序: 　　1. 关闭文件 FCLOSE 　　2. 打开文件 FOPEN 　　3. 文件大小 FSIZE 　　4. 读文件 FREAD 　　5. 写文件 FWRITE 　　6. 建立文件 FCREATE 　　7. 读取或设置文件指针 FPOS 具体功能及参数描述如下 ; ---------------------------- FCLOSE　PROC　　FAR ; IN…...

编程日记 2025/9/12 8:06:53

Github 2025-04-12 Rust开源项目日报Top10

根据Github Trendings的统计，今日(2025-04-12统计)共有10个项目上榜。根据开发语言中项目的数量，汇总情况如下：开发语言项目数量Rust项目10TypeScript项目2uv: 极快的Python软件包安装程序和解析器创建周期：147 天开发语言：Rust协议类型：Apache License 2.0Star数量：7…...

编程日记 2025/9/12 14:10:01

JAVA学习-练习试用Java实现“实现一个Java程序，对大数据集中的数据进行类型转换”

问题： 实现一个Java程序，对大数据集中的数据进行类型转换。解答思路： 在Java中，对大数据集中的数据进行类型转换通常意味着将一种数据类型转换为另一种数据类型。以下是一个简单的Java程序示例，它演示了如何对大数据集…...

编程日记 2025/8/20 4:43:57

Android基础彻底解析-APK入口点，xml，组件，脱壳，逆向

第一章：引言与背景 Android逆向工程，作为一种深入分析Android应用程序的技术，主要目的就是通过分析应用的代码、资源和行为来理解其功能、结构和潜在的安全问题。它不仅仅是对应用进行破解或修改，更重要的是帮助开发者、研究人员和安全人员发现并解决安全隐患。本文主要对…...

编程日记 2025/9/10 0:43:30

Spark RDD算子详解：从入门到精通

一、前言在大数据处理领域，Apache Spark凭借其高效的内存计算能力，成为了流行的分布式计算框架。RDD（Resilient Distributed Dataset）是Spark的核心概念之一，它是一个分布式的数据集合，提供了丰富的操作接…...

编程日记 2025/9/7 1:24:38

Bootstrap4 卡片

Bootstrap4 卡片 Bootstrap 是一个流行的前端框架，它提供了丰富的组件和工具，使得开发者可以快速构建响应式、美观的网页。其中，Bootstrap4 中的卡片组件（Card）是一个非常实用的功能，可以用来展示图片、文…...

编程日记 2025/9/12 1:15:00

【随行付-注册安全分析报告-无验证方式导致隐患】

前言由于网站注册入口容易被黑客攻击，存在如下安全问题： 1. 暴力破解密码，造成用户信息泄露 2. 短信盗刷的安全问题，影响业务及导致用户投诉 3. 带来经济损失，尤其是后付费客户，风险巨大，造…...

编程日记 2025/9/8 14:23:04

深入解析Antogen意图识别模型：从原理到实践

一、意图识别基础概念 1.1 什么是意图识别意图识别(Intent Recognition)是自然语言处理(NLP)中的核心任务，旨在确定用户输入背后想要表达的目的或行动请求。它是对话系统理解用户的第一步，直接影响后续的对话管理和响应生成质量。关键特征&#xff…...

编程日记 2025/9/9 13:01:00

企业年报问答RAG挑战赛冠军方案：从零到SotA，一战封神

RAG挑战赛是什么？ 任务是基于企业年报构建问答系统。比赛日的流程简而言之： 解析阶段：获得100份随机企业的年报（PDF格式，每份最多1000页），限时2.5小时完成解析并构建数据库。问答阶段&#xf…...

编程日记 2025/9/9 1:05:41

深入理解 HTML5 语义元素：提升网页结构与可访问性

引言在构建网页的过程中，合理的结构与清晰的语义对于网页的质量、可维护性以及搜索引擎优化（SEO）都至关重要。HTML5 引入了一系列语义元素，为开发者提供了更精准描述网页内容的工具。本文将深入探讨 HTML5 语义元素的作用、使用…...

编程日记 2025/9/12 18:43:02

DeepSeek vs Grok vs ChatGPT：三大AI工具优缺点深度解析

一、DeepSeek：低成本与中文专精的本地化AI 优点中文处理能力卓越 DeepSeek针对中文语法和文化背景进行了深度优化，尤其在古文翻译、诗歌创作和技术文档生成中表现突出，远超ChatGPT的中文支持能力。高效推理与低成本采用混合专家&#xff…...

编程日记 2025/9/12 11:20:06

MCP（模型上下文协议）简单案例

MCP（模型上下文协议）的标准化接口 MCP（Model Context Protocol，模型上下文协议）是由Anthropic开发的一种开放协议，旨在标准化大型语言模型（LLM）与外部数据源和工具的交互方式1。它就…...

编程日记 2025/9/9 12:32:35

BGP基础概念与核心架构

一、BGP 协议定义与定位 BGP（Border Gateway Protocol，边界网关协议） 是互联网中唯一的域间路由协议（EGP），用于在不同自治系统（AS）之间交换路由信息。与 OSPF、IS-IS 等域内路由协议…...

编程日记 2025/9/12 9:31:42

【经济保护主义叙事】

第一层：表面逻辑——经济保护主义叙事公开理由：特朗普宣称加征关税是为了“保护美国制造业”“减少贸易逆差”“维护国家安全”，并强调通过关税迫使贸易伙伴降低壁垒，促进产业链回流美国。底层逻辑：通过民族主义叙事…...

编程日记 2025/9/9 0:46:03

文章目录

1. K近邻算法（K-Nearest Neighbors, KNN）原理

1.1. K近邻算法是什么算法？

1.2. 核心思想

2. K近邻算法的步骤

2.1. 选择K值

2.2. 计算距离

2.3. 选择最近邻：

2.4. 做出预测：

3. K值的选择

4. 数据标准化

5. 优缺点

6. 样例代码

7。优化技巧

8. 归纳

相关文章：