Sklearn：KNeighborsRegressor 与 KNeighborsClassifer
Sklearn: KNeighborsRegressor vs KNeighborsClassifer
sklearn库的KNeighborsRegressor和KNeighborsClassifier有什么区别？
我正在尝试使用 kNN 算法对尽可能具有特定情绪名称（如快乐、悲伤、愤怒）的数据集进行预测 类。属性是数字像素值。我了解到这些是分类类型。我是第一次使用 sklearn，无法在 KneighborsRegressor 和 KNeighborsClassifier 之间做出决定。我的情况有那么大的不同吗？在什么情况下会使用这些？
我认为两者的 KNN 算法风格是相同的。但是他们有不同的输出。一个给你回归和其他分类。要理解您的问题，我认为您应该检查分类和回归有何不同。勾选这个link，你会更清楚。
[https://math.stackexchange.com/questions/141381/regression-vs-classification][1]
KNeighborsRegressor和KNeighborsClassifier是密切相关的。两者都检索查询对象的 k 个邻居，并根据这些邻居进行预测。假设查询 x 的五个最近邻居包含标签 [2, 0, 0, 0, 1]。让我们将情绪编码为 happy=0, angry=1, sad=2.
KNeighborsClassifier 实质上执行多数表决。查询 x 的预测为 0，这意味着 'happy'。所以这就是去这里的方法。
KNeighborsRegressor 改为计算最近邻标签的平均值。那么预测将是 3/5 = 0.6。但这并不映射到我们定义的任何情绪。原因是情绪变量确实是分类的，如问题中所述。
如果您将情绪编码为连续变量，则可以使用 Regressor。假设值在区间 [0.0, 2.0] 中，其中 0 表示非常高兴，2 表示非常悲伤，0.6 现在具有意义（快乐）。
顺便说一句，既然你在关键字中提到逻辑回归，请不要被名称混淆。它实际上是分类，如scikit-learn user guide.
中所述
sklearn库的KNeighborsRegressor和KNeighborsClassifier有什么区别？
我正在尝试使用 kNN 算法对尽可能具有特定情绪名称（如快乐、悲伤、愤怒）的数据集进行预测 类。属性是数字像素值。我了解到这些是分类类型。我是第一次使用 sklearn，无法在 KneighborsRegressor 和 KNeighborsClassifier 之间做出决定。我的情况有那么大的不同吗？在什么情况下会使用这些？
我认为两者的 KNN 算法风格是相同的。但是他们有不同的输出。一个给你回归和其他分类。要理解您的问题，我认为您应该检查分类和回归有何不同。勾选这个link，你会更清楚。
[https://math.stackexchange.com/questions/141381/regression-vs-classification][1]
KNeighborsRegressor和KNeighborsClassifier是密切相关的。两者都检索查询对象的 k 个邻居，并根据这些邻居进行预测。假设查询 x 的五个最近邻居包含标签 [2, 0, 0, 0, 1]。让我们将情绪编码为 happy=0, angry=1, sad=2.
KNeighborsClassifier 实质上执行多数表决。查询 x 的预测为 0，这意味着 'happy'。所以这就是去这里的方法。
KNeighborsRegressor 改为计算最近邻标签的平均值。那么预测将是 3/5 = 0.6。但这并不映射到我们定义的任何情绪。原因是情绪变量确实是分类的，如问题中所述。
如果您将情绪编码为连续变量，则可以使用 Regressor。假设值在区间 [0.0, 2.0] 中，其中 0 表示非常高兴，2 表示非常悲伤，0.6 现在具有意义（快乐）。
顺便说一句，既然你在关键字中提到逻辑回归，请不要被名称混淆。它实际上是分类，如scikit-learn user guide.
中所述