六、KNN优缺点

最新推荐文章于 2023-12-22 23:53:27 发布
最新推荐文章于 2023-12-22 23:53:27 发布
阅读量785 收藏 1
点赞数
分类专栏： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/s_daqing/article/details/117755932
版权

优点

  • 容易实现、容易理解
  • 模型调整容易,可以方便得改变k的数量，或者给不同距离的k进行加权
  • 适合解决各种复杂问题（分类、回归、高维、低维、复杂关系、简单关系）

缺点

  • 运行时间久
  • 容易被异常值影响
  • 所需空间大
  • 高维空间的距离区分度不大
s_daqing
关注
专栏目录
KNN算法及其改进
xuhuixuexiqt的博客
03-11 6022
KNN算法优缺点 优点 (1) 精度高 (2) 对异常值不敏感：某个异常值对整个结果不造成影响； (3) 无数据输入假定：无数据的独立性等假设； 缺点 (1) 计算复杂度高：因为要计算的点需要与所有点计算距离，所以复杂度很高； (2) 空间复杂度高：因为需要加载所有的样本； 适应的数据范围 数值型和标称型（是或者否） 算法原理 K值选择 如果选择较小的K值 – 近似误差会减小（针对训练...
KNN算法，K聚类的优缺点
qq_41732387的博客
01-18 3207
优点 ① 简单，易于理解，易于实现，无需参数估计，无需训练; ② 对异常值不敏感（个别噪音数据对结果的影响不是很大）; ③ 适合对稀有事件进行分类; ④ 适合于多分类问题(multi-modal,对象具有多个类别标签)，KNN要比SVM表现要好; 缺点 ① 对测试样本分类时的计算量大，内存开销大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点。目前常用的解决方法是...
KNN算法优缺点
热门推荐
zrh_CSDN的博客
07-09 3万+
KNN的主要优点有：1.理论成熟，思想简单，既可以用来做分类又可以做回归2.可以用于非线性分类3.训练时间复杂度比支持向量机之类的算法低3.和朴素贝叶斯之类的算法比，对数据没有假设，准确度高，对异常点不敏感4.由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属的类别，因此对于类域的交叉或重叠较多的待分类样本集来说，KNN方法较其他方法更为适合5.该算法比较适用于样本容量比较...
KNN优缺点总结
qq_33558872的博客
11-02 2166
优点 1.简单，易懂，精度高； 2.对异常值不敏感； 3.无数据输入设定； 4.既可以处理分类也可以处理回归。 缺点 1.无法给出数据的内在含义； 2.计算复杂度高，空间复杂性高； 3.无法处理样本不平衡问题。 ...
KNN算法及其优缺点
天玑的博客
12-22 2138
K-最近邻算法（K-Nearest Neighbors, KNN）是一种基本的分类和回归算法。它的工作原理是通过在训练样本中找到距离待分类样本最近的K个样本，并根据这K个样本的标签来确定待分类样本的标签。KNN算法具有以下优点和缺点。综上所述，KNN算法具有简单易懂、适用于多类别问题和大型数据集、可在线学习等优点，但也存在计算复杂度高、对异常值敏感等缺点。在实际应用中，需要根据具体场景和需求综合考虑这些优缺点来选择合适的算法。
KNN分类算法优缺点
hscoder的博客
08-22 2万+
KNN算法的优点：1、思想简单，理论成熟，既可以用来做分类也可以用来做回归； 2、可用于非线性分类； 3、训练时间复杂度为O(n)； 4、准确度高，对数据没有假设，对outlier不敏感；缺点： 1、计算量大； 2、样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）； 3、需要大量的内存；其伪代码如下： 1. 计算已知类别数据集中的点与当前点之间的距离； 2.
什么是knn算法，有什么优缺点
04-15
然而，KNN算法也存在一些缺点： 计算复杂度高：KNN算法在进行预测时需要计算待分类样本与所有训练样本的距离，当数据集较大时计算复杂度较高。 需要确定K的值：KNN算法中的K值需要人为确定，选择不恰当的K值可能会...
knn算法优缺点600
06-12
KNN算法的缺点： 1. KNN算法对于大规模数据集的计算代价较高。 2. 对于维度较高的数据，KNN算法的分类效果会变差。 3. 对于样本不平衡的数据集，KNN算法容易被多数类别所支配。 4. KNN算法对于数据集中的异常值...
KNN算法的优缺点？
最新发布
05-12
KNN算法是一种基本的分类和回归算法，其优缺点如下： 优点： 1. 简单易懂，易于实现。 2. 适用于多分类和二分类问题。 3. 对于样本分布不平衡的数据集，KNN仍能保持较好的效果。 4. 对于非线性数据集，KNN可以有较...
MED和KNN算法各自优缺点
12-21
MED算法（Minimum ...KNN算法的缺点： 1. 计算复杂度高：KNN算法需要计算每个测试样本与所有训练样本之间的距离，计算复杂度较高。 2. 需要确定K值：KNN算法需要事先确定K值，选择不合适的K值可能会导致分类错误。
knn邻近算法
02-03
内含knn的matlab和python程序，简单易懂，不到百行，混科研搞数据必备良代码。超低价甩卖。
knn算法的优缺点
weixin_44420421的博客
01-07 7327
简述K近邻算法的优缺点 优点 1、简单，易于理解，易于实现。 2、只需保存训练样本和标记，无需估计参数，无需训练。 3、不易受小错误概率的影响。经理论证明，最近邻的渐进错误率最坏时不超过两倍的贝叶斯错误率，最好时接近或达到贝叶斯错误率。 缺点 1、K的选择不固定。 2、预测结果容易受含噪声数据的影响。 3、当样本不平衡时，新样本的类别偏向训练样本中数量占优的类别，容易导致预测错误。 4、具有较高的...
【KNN算法详解（用法，优缺点，适用场景）及应用】
分享关于数据的知识。
04-01 1万+
KNN（K Near Neighbor）：k个最近的邻居，即每个样本都可以用它最接近的k个邻居来代表。KNN算法属于监督学习方式的分类算法，我的理解就是计算某给点到每个点的距离作为相似度的反馈。简单来讲，KNN就是“近朱者赤，近墨者黑”的一种分类算法。KNN是一种基于实例的学习，属于懒惰学习，即没有显式学习过程。要区分一下聚类（如Kmeans等），KNN是监督学习分类，而Kmeans是无监督学习的聚类，聚类将无标签的数据分成不同的簇。
KNN算法优缺点、原理及参数最优解
qq_42546127的博客
11-28 1万+
​ KNN算法 KNN算法简介 简单地说，K-近邻算法采用测量不同特征值之间的距离方法进行分类（k-Nearest Neighbor，KNN） 优缺点： 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：时间复杂度高、空间复杂度高。 当样本不平衡时，比如一个类的样本容量很大，其他类的样本容量很小，输入一个样本的时候，K个临近值中大多数都是大样本容量的那个类，这时可能就会导致...
KNN算法优缺点总结，以及机器学习流程的总结
qq_41342577的博客
08-25 1万+
KNN算法作为一个最简单，也是一个很实用的机器学习的算法，日常的使用中也能处理很多问题，这里做一下总结记录 优点 1、KNN可以处理分类问题，同时天然可以处理多分类问题，比如鸢尾花的分类 2、简单，易懂，同时也很强大，对于手写数字的识别，鸢尾花这一类问题来说，准确率很高 3、KNN还可以处理回归问题，也就是预测   缺点 1、效率低，因为每一次分类或者回归，都要把训练数据和测试数据都...
机器学习(6)--KNN算法
Ona_Soton的博客
09-23 291
nnn
#KNN
zhao_crystal的博客
05-07 2756
一. # KNN algorithm 原理KNN：k-nearest neighbors algorithm，用途：分类；回归1分类的原理：1.1如上图所示：场景描述：数据有红、蓝两类，此时进来一个新的数据（绿色表示），用KNN算法来预测绿色属于哪一类，其中K=3假设：上图的点的坐标都是已知的，算法步骤：(1)计算绿点到各个点（所有黄点和蓝点，我们也称为训练数据）的距离（一般使用欧式距离）...
knn 最近邻 算法的思考 与 总结
12-21 382
算法功能 分类（核心功能），回归 算法类型 有监督学习，惰性学习（没有产生模型），距离类模型 数据输入 包含数据标签y，特征空间中至少包含K个训练样本 特征空间中各个特征的量纲需要统一，若不统一则需要进行归一化处理 自定义超参数k 模型输出 在knn分类中，输出是标签中的某个类别 在knn回归中，输出是对象的属性值...
机器学习算法之KNN
Magician的博客
09-01 1186
前言 KNN一般用于有监督的分类场景，除此之外，KNN在异常检测场景中也有应用，下面主要介绍下KNN在这两面的应用原理。 KNN做分类的原理 计算步骤如下： 1）算距离：给定测试对象，计算它与训练集中的每个对象的距离 2）找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻 3）做分类：根据这k个近邻归属的主要类别，来对测试对象分类 （看未知类别样本最近的K个样本的类别，那种类别多，样本就属于那种类别！） 优缺点 KNN优点： 理论成熟，思想简单，既可以用来做分类也可以用来做回归 可用于非线性分类 训练
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值