定义:KNN算法,即邻近算法,或者说K最近邻分类算法
算法步骤
为了判断未知实例的类别,以所有已知类别的实例作为参照
选择参数K
计算未知实例与所有已知实例的距离
选择最近K个已知实例
根据少数服从多数的投票法则(majority-voting),让未知实例归类为K个最邻近样本中最多数的类别关于距离
可以为欧几里得距离(Euclidean distance), 值(cos), 相关度 (correlation), 曼哈顿距离 (Manhattan distance)优缺点
优点:易于理解;容易实现;通过对K的选择可具备丢噪音数据的健壮性。
缺点:需要大量空间储存所有已知实例;算法复杂度高(需要比较所有已知实例与要分类的实);当其样本分布不平衡时,比如其中一类样本过大(实例数量过多)占主导的时候,新的未知实例容易被归类为这个主导样本,因为这类样本实例的数量过大,但这个新的未知实例实际并木接近目标样本。