K-邻近算法

K-邻近算法
采用测量不同特征值之间的距离来进行分类

  • Ad：精度高，对异常值不敏感，无数据输入假定
  • Na：计算复杂度高，空间复杂度高

KNN原理

存在样本集，每个数据都存在标签，输入无标签的新数据后，算法提取出特征最相似的标签。
一般选取前K个数据，通常K不大于20，最后选择K个最相似的数据中出现次数最多的分类，作为新数据的分类标签。

适用

数值型和标称型

算法流程

  • 收集数据
    any method

  • 准备数据
    计算距离数值，最好为格式化的数据

  • 分析数据
    any method

  • 训练算法
    不适用KNN算法

  • 测试算法
    计算错误率

  • 使用算法
    实际应用
    �

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容