原理思想:若一个样本在特征空间中的K个最相似的样本中的大多数属于同一个类别,则该样本也属于这个类别。
度量距离:欧式距离
算法大致步骤:
1.计算已知集内的样本与待测样本的距离
2.对距离由小到大进行排序,找出前K个点
3.在这K个点中,统计每个类别出现的次数
4.选择出现次数最多的点作为待测样本的类别
K值选择问题:
K值选择过小,会使待测点的分类和它距离最近的点相关,受噪点影响大,近似误差减小,估计误差增大,造成过拟合。
K值选择过大,会使待测点的分类偏向集内数量最多的点,近似误差增大,估计误差减小。
实际应用中,K一般通过算法(如交叉验证法)取一个比较小的数值。