K近邻算法

1、原理

         工 作 原 理 是 ： 存 在 一 个 样 本 数据 集 合 ， 也 称 作训练 样 本 集 ， 并 且 样 本 集 中 每 个 数 据 都 存 在 标 签 ， 即 我 们 知 道 样 本 集 中 每 一 数 据与 所 属 分 类 的 对 应关系 。输 人 没 有 标 签 的 新 数 据 后 ， 将 新 数 据 的 每 个 特 征 与 样 本 集 中 数 据 对 应的特 征 进 行 比较 ， 然 后 算 法 提 取 样 本 集 中 特 征 最 相 似 数 据 （ 最 近 邻 ） 的 分 类 标 签 。一 般 来 说 ， 我 们只 选 择 样 本 数 据 集 中 前 & 个 最 相 似 的 数 据 ，这 就 是 &- 近 邻 算 法 中 & 的 出 处 , 通 常 * 是 不 大 于 20 的 整 数 。
         最 后 ， 选 择 & 个 最 相 似 数 据 中 出 现 次 数 最 多 的 分 类 ， 作 为 新 数 据 的 分 类 。

2、优缺点和适用范围

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 。

3、例子

判断未知的?电影属于什么类型