摘要：
K-近邻和最近邻（K=1）是模式识别中常用的分类方法，K-近邻算法思想是找到与当前样本相邻的K个有标签样本，然后通过投票决定此样本的类别。例如下图中如何分类未知的绿色圆圈呢？ 例如我们可以取K=3个临近的样本时，通过投票（红色两个大于蓝色一个），从而将绿色圆圈归于红色三角一类。一.基于实例的学习 K-近邻和局部加权回归就是基于实例的学习。基于实例的学习过程只是简单的存储已知的训练数据，当遇到新的待分类样本时，将从训练数据中挑选出一系列相似的样本，并用来分类新的样本。 与常见的分类算法（如神经网络）不同的是，基于实例的方法可以为不同的待分类样本建立不同的函数逼近。只建立目标函数... 阅读全文
