1、KNN (K近邻)VS 决策树 分类算法
k近邻算法可以完成很多分类任务,但是它最大的缺点就是无法给出数据的内在含义。它是通过计算点位间的距离来决定相似度的,其执行效率不高,存储空间和计算时间比较长。
决策树的主要优势就在于数据形式非常容易理解。相似例子:二十个问题游戏,参与者在脑海里想出一种事物,其他参与者向他提问,只允许体20个问题,问题的答案也只能回答是或者否。问问题的人通过推断分解,逐步缩小待猜测事物的范围。
优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据。
缺点:可能会产生过度拟合问题
适用数据类型:数值型和标称型。