一.k-邻近算法概述
k近邻算法(KDD)采用测量不同特征值之间的距离方法进行分类。
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