k近邻算法在处理连续性数据时的表现如何?

我想了解k近邻算法在处理连续性数据时的表现情况。我正在实现一个数据挖掘项目,其中有连续性数据需要进行分类。我知道k近邻算法适用于分类问题,但不确定它是否适用于连续性数据。在实现过程中,我发现算法似乎不能很好地处理连续性数据。因此,我希望了解更多关于k近邻算法在处理连续性数据方面的表现情况,以更好地选择算法并优化结果。请问有什么建议或教程可以提供给我吗?

提问时间:2023-06-29 06:33:25 编辑时间:2023-06-29 06:33:27 提问者: 空城旧梦
  • Thunderbird_Soul
    6

    k近邻算法在处理连续性数据时的表现可以很好。建议您在选择距离度量时,使用基于连续变量的距离度量方法,例如欧氏距离或曼哈顿距离。您可以参考一些机器学习领域的经典书籍,如《机器学习实战》或《统计学习方法》。同时,您可以考虑将连续变量进行离散化处理,使其适用于k近邻算法的分类。

    回答时间:2023-06-29 06:33:31