Machine learning 如果kNN没有训练阶段，我们将.fit（）方法应用于Scikit中的kNN模型时会发生什么？
既然kNN在RAM级别处理训练和预测，并且不需要明确的训练过程，那么在拟合kNN模型时会发生什么？我认为这一步与培训模型有关。多谢各位 如果我跳过装配步骤，我将得到以下错误Machine learning 如果kNN没有训练阶段，我们将.fit（）方法应用于Scikit中的kNN模型时会发生什么？,machine-learning,scikit-learn,knn,training-data,Machine Learning,Scikit Learn,Knn,Training Data,既然kNN在RAM级别处理训练和预测，并且不需要明确的训练过程，那么在拟合kNN模型时会发生什么？我认为这一步与培训模型有关。多谢各位 如果我跳过装配步骤，我将得到以下错误 NotFittedError: This KNeighborsClassifier instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator. 示例代码： from sklearn.neighb
NotFittedError: This KNeighborsClassifier instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import pandas as pd
f=r"aug_train.csv"
df=pd.read_csv(f)
X=df[:90000][["training_hours", "city_development_index"]].values
y=df[:90000]["target"].values
X_train, X_test, y_train, y_test=train_test_split(X,y)
knn=KNeighborsClassifier(n_neighbors=2)
knn.fit(X_train, y_train)
yhat=knn.predict(X_test)
print(yhat)
与其他机器学习算法不同，KNN不优化代价函数，而是记住训练数据。进行预测时，KNN将输入与其存储的训练数据进行比较。给出与查询输入具有最大相似性的数据点的类标签作为预测。因此，当我们拟合KNN模型时，它会学习数据集或将数据集存储在内存中。或者，在拟合时也会生成一些更有效的预测数据结构的方法（请参见参数
算法