机器学习实战笔记 - KNN(k-NearestNeighbor)K-邻近算法

1.KNN算法是采用测量不同特征值之间的距离方法进行分类。

2.优缺点：

     优点：精度高，对异常值不敏感，无数据输入假定。

     缺点：计算复杂度大，空间复杂度高。

     使用数据范围：数值型和标准型

3.工作原理：

     存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中的数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最邻近）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-邻近算法中k的出处，通常k是不大于20的整数。最后选取k个最相似数据中出现次数最多的分类，作为新数据的分类。

4.KNN算法的一般处理流程：

     （1）收集数据：可以使用任何方法

     （2）准备数据：距离计算所需要的数值，最好是结构化的数据格式

     （3）分析数据：可以使用任何方法

     （4）训练算法：此步骤不适用于KNN算法

     （5）测试算法