机器学习---最邻近规则分类KNN(k-NearestNeighbor)算法

文章转自麦子学院彭亮老师机器学习课程

1. 综述

---

1. Cover和Hart在1968年提出了最初的邻近算法

2. 分类(classification)算法

3. 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)

---

2. 例子

---

未知电影属于什么类型？

---

3. 算法详述

---

3.1 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

3.2 细节:

关于K
关于距离的衡量方法:

3.2.1 Euclidean Distance 定义

其他距离衡量：余弦值（cos）, 相关度 （correlation）, 曼哈顿距离 （Manhattan distance）

3.3 举例

---

4. 算法优缺点：

4.1 算法优点

简单
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

4.2 算法缺点

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例）
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

---

5. 改进版本

考虑距离，根据距离加上权重
比如: 1/d (d: 距离）