自然语言处理小站

原创 机器学习初探———【K-近邻算法】

一句话：测量不同特征值之间的距离进行分类 优点：精度高，对异常值不敏感，无数据假定输入。 缺点：计算复杂度高，空间复杂度高。 使用数据范围：数值型和标称型。 k-近邻算法的一般流程： 收集数据：任何方法。 准备数据：距离计算所需要的数值，最好是结构化数据格式。 分析数据：任何方法。 训练方法：此步骤不适用于k-近邻算法。 测试方法：计算错误率。 使用算法