k-最近邻算法在现实生活中使用较多吗?

由于K-最近邻所解决问题的性质,K-最近邻在机器学习中有着广泛的应用。换言之,k-最近邻问题是一个基本问题,在很多解中都有应用。例如,在tSNE等数据表示中,要运行该算法,我们需要根据预定义的复杂度计算每个点的k最近邻。

here 以及其在行业中的应用 this article .

KNN算法是最流行的算法之一 文本挖掘 .

另一个有趣的应用是森林评估 用于估算森林变量的清单和数据。在里面 在这些应用中,使用卫星图像 离散类。k-NN的其他应用 方法 农业 估算土壤水分参数。

KNN的一些其他应用 资金 是 如下所述:

• 预测股票市场:预测股票的价格 股票,以公司业绩为基础 措施和经济数据。
• 银行破产
• 理解和管理财务风险
• 期货交易
• 信用评级
• 贷款管理
• 银行客户档案
• 洗钱分析

• 预测患者是否因疾病而住院 预测将基于人口统计、饮食 以及该患者的临床测量结果。
• 糖尿病患者,由红外线吸收 那个人血液的光谱。
• 基于临床和人口统计学变量。

用于分析微阵列基因表达数据, 其中KNN算法与 作为搜索工具的遗传算法。 其他应用包括溶剂的预测 蛋白质分子中的可及性 移动对象(如计算机)的数据库 使用无线连接。