一.k-邻近算法概述
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:数值型和标称型。
k近邻法模型采用基于特征空间的划分,由距离度量、k值选择、分类决策规则决定。
距离度量:两个实例点相似程度的反映。可以使用欧式距离或者其他距离(Manhattan distance、Minkowski distance)
k值选择:k值对算法产生重大影响,k小,过拟合;k大,模型过于简单。(考虑k=1和k=N两种极端情况)
二.KNN算法
1.伪代码
对未知类编属性的数据集中每个点依次执行一下操作:
(1)计算已知类别数据集中点与当前点之间的距离(采用欧式距离公式:)
(2)按照距离递增次序排列
(3)选取与当前点距离最小的k个点
(4)确定前k个点所在类别出现的频率
(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。