K-邻近算法

【采用测量不同特征值之间的距离来进行分类】

  • 优点：精度高、对异常值不敏感、无数据输入假定

  • 缺点：计算复杂度高，空间复杂度高

  • 适应数据范围：数值型、标称型

KNN简介

原理

  • 简述：采用测量不同特征值之间的距离来进行分类。一种泛用于机器学习的监督学习方法，所输入的样本数据集合（也称为训练集、样本集）中每个数据都存在标签，且每条数据与所属的种类相互对应。
  • 核心思想：如果一个待分类样本在特征空间中的k个最相似**(即特征空间中K近邻)**的样本中的大多数属于某一个类别，则该样本也属于这个类别
  • K值：邻居的数量，是应该提前给出来的，