昇思MindSpore 应用学习-K近邻算法实现红酒聚类-CSDN本实验主要介绍使用MindSpore在部分wine数据集上进行KNN实验。K近邻算法(K-Nearest-Neighbor, KNN)是一种用于分类和回归的非参数统计方法,最初由 Cover 和 Hart 于 1968 年提出,是机器学习最基础的算法之一。它的基本思想是:要确定一个样本的类别,可以计算它与所有训练样本的距离,然后找出和该样本最接近的 k 个样本,统计出这些样本的类别并进行投票,票数最多的那个类就是分类的结果。 KNN的三个基本要素: