懒惰学习——使用近邻分类（KNN）

KNN算法

优点：

简单有效；对数据的分布没有要求；训练阶段很快。

缺点：

不产生模型，在发现特征之间的关系上的能力有限；分类阶段很慢；需要大量的内存；名义变量（特征）和缺失数据需要额外处理。

之所以被称为懒惰学习算法，是因为从技术上说，没有抽象化的步骤。抽象过程与一般过程都被跳跃过去了。由于高度依赖训练案例，所以懒惰学习又称为机械学习。机械学习不会建立一个模型，所以该方法被归类为非参数学习方法。

案例用KNN算法诊断乳腺癌

第一步——收集数据

数据来源于UCI机器学习数据仓库的“威斯康星乳腺癌诊断”（Brest Cancer Wisconsin Diagnostic）数据集，网址：http://archive.ics.uci.edu/ml/

数据集包括569个细胞活检案例，每个案例32个特征。一个特征是识别号，一个特征是诊断结果，其他30个特征是数值型测量结果，诊断结果用“M”表示恶性，“B”表示良性。

第二步——探索和准备数据

首先导入CSV文件：

wbcd<-read.csv("wisc_bc_data.csv"，header=F)

第一个变量信息id不能提供有用信息，所以删除：

wbcd<-wbcd[-1]

使用table函数查看恶性和良性肿瘤个数：

table(wbcd$V2)

  B   M 
357 212 

许多R机器学习分类器要求将目标属性编码为因子变量，所以重新编码wbcd的第一列，同时用labels参数对B值和M值给出更多信息：