k近邻法(KNN)学习总结
- 什么是k近邻法?
一种基于分类与回归方法. 定义:对给定的训练实例点和输入实例点,首先确定输入实例点的k个最近邻训练实例点,然后利用这k个训练实例点的类的多数(多数表决)来预测输入实例点的类。
- K-NN算法的适用场景:具有明确的离散标签的数据分类或者有连续标签的数据回归。
- KNN算法特点:
优点: 计算精度高,不受异常值影响。
缺点: 计算复杂度高,空间复杂度高
适用于: 带lable的数值类
k近邻法(KNN)学习总结
一种基于分类与回归方法. 定义:对给定的训练实例点和输入实例点,首先确定输入实例点的k个最近邻训练实例点,然后利用这k个训练实例点的类的多数(多数表决)来预测输入实例点的类。
优点: 计算精度高,不受异常值影响。
缺点: 计算复杂度高,空间复杂度高
适用于: 带lable的数值类