k近邻—分类

# k近邻—分类

使用k近邻模型求解分类问题,包含模型训练器和预测器。
定义

M.kneighbors_classifier.v1( n_neighbors,weights,algorithm,leaf_size,metric,key_cols,workers,other_train_parameters)

参数

  • n_neighbors(int)—近邻数,int类型,可选参数,默认值为5
  • weights(str)—K近邻权重类型,内置类型为uniform和distance
  • algorithm(str)—计算分类使用的算法,默认为’auto’,内置算法还包括ball_tree,kd_tree,brute。
  • leaf_size(int)—BallTree或者KDTree算法的叶子数量,默认为30。此参数会影响BallTree或者KDTree模型的构建和查询速度及存储模型所需内存大小。
  • metric(str)—距离度量,默认为欧氏距离minkowski
  • key_cols(str)—关键列,指定的关键列会连同预测结果一起输出,多个列之间使用逗号分隔,默认为'date,instrument'两列。
  • workers(int)—并行作业数,同时使用多个进程进行计算,默认为1,普通用户最多为2,会员可以使用更多资源
  • other_train_parameters(dict)—其它训练参数,例如{‘criterion’:’mse’}

返回

训练模型
预测结果

返回类型

OutPuts