分类模型之K-近邻算法

首先，K-近邻算法(KNN)主要用于分类问题，是采用测量不同特征值之间的距离方法进行分类。

原理：存在一个样本数据集合，也称为训练样本集，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。

伪代码：

1、计算已知类别数据集中的点与当前点之间的距离；

2、按照距离递增次序排序；

3、选取与当前点距离最小的K个点；

4、确定前K个点所在类别的出现频率；

5、返回前K个点出现频率最高的类别作为当前点的预测分类。

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

 

 

参考资料：

1、机器学习实战