机器学习1——K近邻算法
K近邻算法:一种基本的分类算法
¶基本内容
输入:实例的特征向量
输出:实例的类别
思想:近朱者赤近墨者黑,对于输入实例x,选取距离x最近的K个点,x的分类结果就是K个点中数目最多的那个类别
三个要素:
- K的选择
- 距离的度量
- 分类决策规则
优点:精度高、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、标称型
K近邻算法:一种基本的分类算法
输入:实例的特征向量
输出:实例的类别
思想:近朱者赤近墨者黑,对于输入实例x,选取距离x最近的K个点,x的分类结果就是K个点中数目最多的那个类别
三个要素:
优点:精度高、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、标称型