人工智能k近邻算法总结

K近邻算法总结

实例流程、

1. 数据的处理
2. 分割数据集
3. 对数据集进行标准化
4. estimetor流程进行分类预测

问题

1. k值取多大 有什么影响

• k值取很小时;容易受异常点影响
• K值取很大时 ：容易受k值类别波动

2. 性能问题？

• 样本量大时运算时间长

优缺点

• 优点

• 简单易于理解，易于实现，无需估计参数，无需训练

• 缺点

• 懒惰算法，对测试样本分类时的计算量大，内存开销大
• 必须指定k值，k值选择不当则分类精度不能保证

• 使用场景：小数据场景，几千~几万样本，具体场景具体业务去测试