K-近邻算法的一般流程 计算已知类别数据集中的点与当前点之间的距离;按照距离递增次序排序;选取与当前点距离最小的k个值(k-近邻);确定前k个点所在类别的出现频率;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。 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 适用数据范围:数值型和标秤型 总结:K-近邻算法是一种分类算法,没有训练过程,直接通过当前点与数据集中点的距离比较得到当前点的分类