目录

挑选合适的特征

机器学习简介

OCR

小结

你将使用KNN来做两项基本工作——分类和回归：

 分类就是编组；

 回归就是预测结果（如一个数字）

挑选合适的特征

为推荐电影，你让用户指出他对各类电影的喜好程度。如果

你是让用户给一系列小猫图片打分呢？在这种情况下，你找出的

是对小猫图片的欣赏品味类似的用户。对电影推荐系统来说，这

很可能是一个糟糕的推荐引擎，因为你选择的特征与电影欣赏品味没多大关系。

 

机器学习简介

 

KNN算法真的是很有用，堪称你进入神奇的机器学习领域的

领路人！机器学习旨在让计算机更聪明。你见过一个机器学习的

例子：创建推荐系统。下面再来看看其他一些例子。

 

OCR

 

OCR的第一步是查看大量的数字图像并提取特征，这被称为训练（training）。大多数机器学

习算法都包含训练的步骤：要让计算机完成任务，必须先训练它。下一个示例是垃圾邮件过滤器，

其中也包含训练的步骤。

 

小结

 

但愿通过阅读本章，你对KNN和机器学习的各种用途能有大致的认识！机器学习是个很有趣

的领域，只要下定决心，你就能很深入地了解它。

 KNN用于分类和回归，需要考虑最近的邻居。

 分类就是编组。

 回归就是预测结果（如数字）。

 特征抽取意味着将物品（如水果或用户）转换为一系列可比较的数字。

 能否挑选合适的特征事关KNN算法的成败。