机器学习实战实验一 k-近邻算法

1.算法简介

       k-近邻算法的工作原理是：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，将新数据的每个特征与样本集中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（最近邻）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-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现最多的分类，作为新数据的分类。

         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。                                                                                               适用数据范围：数值型和标准型。

        k-近邻算法的一般流程如书中所示：

2.举例说明

        以电影分类为例，可以使用kNN来分类一个电影是爱情片还是动作片。

 

         上图是一个数据集合，即训练样本集。一般来说，我