ML-k邻近算法(kNN)
算法魔功 2018-10-04
- 定义：采用测量不同特征值之间的距离方法进行分类。
- 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，空间度高。
- 适用数据范围： 数值型和标称型。
- 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。
算法魔功 2018-10-04
