ML-k邻近算法(kNN)

  1. 定义:采用测量不同特征值之间的距离方法进行分类。
  2. 优点:精度高,对异常值不敏感,无数据输入假定。
  3. 缺点:计算复杂度高,空间度高。
  4. 适用数据范围: 数值型和标称型。
  5. 工作原理: 存在一个样本数据集合,并且样本中每个数据都存在标签,输入没有标签的数据后,将新数据的每个特征值与样本集中的每个特征值比对,然后算法提取样本中特征值最相似数据(最近邻)的分类标签。最后选择k个最相似数据中出现次数最多的分类,作为最新的分类。

ML-k邻近算法(kNN)