k-近邻算法(KNN)
- 定义:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。
- 来源:KNN算法最早由Cover和Hart提出的一种分类算法。
计算距离公式
- 两个样本的距离可以通过如下公式计算,又称为欧式距离,比如说,a(a1,a2,a3),b(b1,b2,b3)
- k-近邻算法需要标准化
sklearn k-近邻算法API
sklearn.neighbors.KNeightborsClassifier(n_neighbors=5,algorithm='auto')
n_neighbors
:int类型,可选(默认=5),n_neighbors查询默认使用的邻居数algorithm
:{‘auto’,‘ball_tree’,‘kd_tree’,‘brute’},可选用于计算最近邻居的算法:'ball_tree’将会使用BallTree,'kd_tree’将会使用KDTree。'auto’将会尝试根据传递给fit方法的值来决定最合适的算法。(不同的实现方式会影响效率)
k的取值问题
- k值取很小
- 易受异常点影响
- k值取很大
- 易受k值数量(类别)波动
- 性能问题
- 时间复杂度高
- 样本会越来越大
- 参数调优
优缺点
- 优点
- 简单,易于理解,易于实现,无需估计参数,无需训练
- 缺点
- 懒惰算法,对测试样本分类时的计算量大,内存开销大
- 必须指定K值,K值选择不当则分类精度不能保证
使用场景
- 小数据场景,几千至几万样本,具体场景具体业务去测试