我目前有一个 reddit 克隆类型的网站。我正在尝试根据我的用户之前喜欢的帖子推荐帖子。
看起来 K 最近邻或 k 均值是执行此操作的最佳方法。
我似乎无法理解如何实际实现它。我看过一些数学公式(例如 k 表示维基百科页面)，但它们对我来说并没有真正意义。
有人可以推荐一些伪代码，或者可以查看的地方，以便我更好地了解如何执行此操作吗？
最佳答案
K 最近邻(又名 KNN)是一种分类算法。
基本上，您采用包含 N 个项目的训练组并对它们进行分类。如何对它们进行分类完全取决于您的数据，以及您认为该数据的重要分类特征是什么。在您的示例中，这可能是帖子类别、谁发布了该项目、谁赞了该项目等。
一旦对“训练”数据进行分类，您就可以评估“未知”数据点。您可以通过在分类系统中找到与它最近的邻居来确定未知数的“类别”。如果按3个最近邻来确定分类，则可以称为3个最近邻算法。
如何确定“最近邻”在很大程度上取决于您如何对数据进行分类。将数据绘制到 N 维空间中非常常见，其中 N 代表您正在检查的不同分类特征的数量。
一个简单的例子:
假设您有一个位置的经度/纬度坐标，该位置可以位于世界上任何地方的任何陆地上。我们还假设您没有 map ，但是您确实有一个非常大的数据集，可以为您提供世界上许多不同城市的经度/纬度，并且您还知道那些国家/地区城市在。
如果我问你一个随机的经纬度点在哪个国家，你能算出来吗？你会怎么做才能弄明白？
经度/纬度数据自然落入 X、Y 图中。所以，如果你把所有的城市都画到这张图上，然后是未知点，你会怎么算出未知的国家？您可能会开始围绕该点绘制圆圈，逐渐变大，直到圆圈包含图上最近的 10 个城市。现在，您可以查看这 10 个城市的国家/地区。如果所有 10 个都在美国，那么您可以相当肯定地说您的未知点也在美国。但是如果只有6个城市在美国，另外4个在加拿大，你能说出你的未知点在哪里吗？您可能仍会猜测美国，但不确定性较低。
KNN 最困难的部分是弄清楚如何以一种可以确定质量相似的“邻居”以及与这些邻居的距离的方式对数据进行分类。
关于ruby - 实现k最近邻需要哪些数据？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/6206250/