KNN算法中K是怎么决定的

　　K 值的选择会对算法的结果产生重大影响。

　　K值较小意味着只有与输入实例较近的训练实例才会对预测结果起作用，但容易发生过拟合；如果K值较大，优点是可以减少学习的估计误差，但缺点是学习的近似误差增大，这时与输入实例较远的训练实例也会对预测起作用，使预测发生错误。

　　在实际应用中，K值一般选择一个较小的数值，通常采用交叉验证的方法来选择最优的 K 值。随着训练实例数目趋向于无穷和K等于1时，误差率不会超过贝叶斯误差率的2倍，如果K也趋向于无穷，则误差率趋向于贝叶斯误差率。

KNN算法中K是怎么决定的相关文章：

★ 鱼缸中泡泡是怎么回事

★ 犬夜叉中赤子是怎么诞生的

★ 软考中级考些什么？是怎么考的

★ 原核生物中核糖体是怎么形成的

★ 金字塔这个译名中的金是怎么得来的

★ 在三国演义中曹植是怎么死的

★ 红楼梦中元春是怎么死的

★ 烤肉店中的酸甜蘸料汁是怎么调的

★ 在野史中周瑜是怎么死的

★ 门徒中阿芬是怎么死的