K最邻近
简介
邻近算法，或者说K最邻近（KNN，K-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。
所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K个邻近值来代表。近邻算法就是将数据集合中每一个记录进行分类的方法。
算法参数及说明
| 参数 | 说明 |
|---|---|
| 邻居数量 | Number of neighbors to use, 默认5 |
| 距离指标 | metric 默认minkowski |
| 权重 | Weight function used in prediction, 默认uniform |
| 算法 | Algorithm used to compute the nearest neighbors, 默认auto |
案例
案例数据下载：iris.xlsx
案例介绍：Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
- Sepal.Length（花萼长度），单位是cm;
- Sepal.Width（花萼宽度），单位是cm;
- Petal.Length（花瓣长度），单位是cm;
- Petal.Width（ 花瓣宽度），单位是cm;
- 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。
制作流程：
-
选择iris数据集；
-
在智能分析图表中选择KNN；
-
在设置中的基础配置中选择状态为成功的KNN模型，** 注意：数据集字段必须包含已选择的KNN模型所使用的训练集字段 **；
如果模型列表中没有模型，需要创建模型，创建模型的链接：机器学习模型管理
-
进行数据探索，结果以表的方式展示