K-近邻分类算法应用
通过三步操作分析旅游酒店数据：选择数据、配置分类参数、查看分类结果。
第一步：选择数据
上传您的CSV数据文件或选择系统示例数据进行分类分析
系统示例数据
选择预加载的旅游酒店数据集进行测试
上传CSV文件
点击上传您的CSV格式数据文件
选择示例数据集
酒店评分数据集
3种酒店评分分类
旅游目的地推荐
3类旅游目的地分类
酒店评论情感分析
评论情感分类数据
数据预览
hotel_ratings.csv
150 行 × 5 列
第二步：分类设置
配置K-近邻算法的参数
算法参数
选择最近邻居的数量（1-20）
特征选择
选择用于分类的特征（至少选择一个）
目标变量
选择要预测的分类标签列
高级选项
第三步：分类结果
K-近邻分类已完成，查看结果分析
正在运行分类，请稍候...
准确率
0.00%
测试集分类准确率
数据总量
150 条
已使用 120 条训练
分类时间
0.00s
K值为 5
混淆矩阵
3×3 矩阵
分类报告
分类结果
显示前20条测试数据