KNN简介
Knn全称是K-Nearest Neighbor,从名称中可以看出这个算法与最邻近有关,既能用于回归问题,也能用于分类问题。KNN根据数据点之间的距离来做分类(回归)。
KNN主要因素
1、距离:一般使用欧氏距离,也可以使用曼哈顿距离等。
2、K值:
当K越小的时候,模型就越容易过拟合,因为预测结果与最邻近一个样本点强相关。
当K越大的时候,模型就越容易欠拟合,因为预测结果要考虑所有样本的情况,就相当于没有预测。
对于K的取值,可以通过交叉验证选择一个合适的K值,也可以通过对比准确率,选取效果最好的K值。
KNN优缺点
1、优点:
(1)训练速度快。
(2)对异常值不敏感,对K值敏感。
(3)在处理边界不规则的数据的分类问题时要比线性分类器的效果好。
2、缺点:
(1)样本不平衡时对准确率的影响较大。
(2)对距离敏感,因此需要对数据做归一化处理。
(3)计算开销大,只适合小数据集,不适合做大的数据集。
代码实现
若数据的量纲不统一,则在加载数据后一定要做数据的归一化处理(数据的归一化可参考