机器学习笔记——第一周：k近邻算法和决策树

k近邻算法

简介

工作原理： 存在一个样本数 据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据 与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的 特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们 只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。 最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

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。

使用方法

现在我们假设一个电影分类的例子，使用k-近邻算法分类爱情片和动作片。有人曾经统计过 很多电影的打斗镜头和接吻镜头，图2-1显示了6部电影的打斗和接吻镜头数。假如有一部未看过 的电影，如何确定它是爱情片还是动作片呢？我们可以使用kNN来解决这个问题。