机器学习:K-近邻算法

K-近邻算法

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。
使用数据范围；数值型和标称型。

k-近邻算法的一般流程

搜集数据：可以使用任何方法。
准备数据：距离计算所需要的数值，最好是结构化的数据格式。
分析数据：可以使用任何方法。
训练算法：不适用。
测试算法：计算错误率。
使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判断输入数据分别属于那个分类，最后应用对计算出的分类执行后续的处理。

 

（未完待续）