python3机器学习实战之KNN

K-近邻算法

概述：k-近邻算法采用测量不同特征之间的距离方法进行分类
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
使用数据范围：数值型和标称型
kNN的大概思路是这样的：对于给定的特征，特征都是由数字组成，可以看成是特征向量，如（x1，y1，z1），（x2，y2，z2）等，利用已知的数据（x,y,z)。计算已知数据和特征数据的欧式距离，距离越小证明相似度越高。这些最相似的特征的 特征标签就是预测的已知特征数据的标签