k临近(k-Nearest Neighbor)学习,是一种常用的监督学习方法
特点
优点:精度高、对异常之不敏感、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
说明
k-NN没有显示的学习过程,是一lazy learning的代表,因为它有了数据集后没有所谓的“训练阶段”,并不首先对数据集中的样本进行处理和学习。
原理
存在由许多样本构成的数据集,包括许多特征值及其向量还有标签和标签值:
样本数据集(training set):{features:x, labels:y}
这样样本空间的维度就是features的个数,然后每个training sample就在样本空间中有一个对应坐标(向量)和其对应的label
给定测试样本t,只包含features信息,我们用某种方法计算出测试t和所有training sample的距离,将距离按照远近排序,然后选择所有距离中离得最近的前k个“邻居”,用前k个邻居的标签进行投票,哪个标签票数最高就认为测试样本t就属于该标签。
def classify0(inX, dataSet, labels, k):