机器学习-k近邻算法

1、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

     适用范围：数值型和标称型

   工作原理：存在一个样本数据集合，也称为训练样本集，并且样本集中每个数据都有标签，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选择，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次数最多的分类，并作为新数据的分类。

  k-近邻算法的一般流程

 1）、收集数据：可以使用任何方法

 2）、准备数据：距离计算所需要的数值，最好是结构化的数据格式。

 3）、分析数据：可以使用任何方法。

 4）、训练算法：次步骤不适用k-近邻算法。

 5）、测试算法：计算错误率。

 6）、使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。

实施knn分类算法

 对位置类别属性的数据集中的每个点每次执行以下操作：

 1、计算与已知类别数据集中的点与当前点之间的距离

 2、按照距离递增次序排序

 3、选取与当前点距离最小的k个点

 4、确定前k个点所在类别的出现频率

 5、返回前k个点出现频率最高的类别作为当前点的预测分类

如何测试分类器？