k近邻算法(KNN):采用不同特征值之间的距离方法来分类。
优点:精度高,对异常值不敏感、无数据输入设定。
缺点:计算复杂度高、空间复杂度高。
适用范围:数值型和标称型。
工作原理:存在一个样本数据集合,也称作训练样本集,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个数据与所属分类之间的对应关系。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(最邻近的)分类标签。一般,我们只选取本样本集中前k个最相似的数据,这就是k近邻算法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的次数最多的分类,作为新数据的分类。
KNN算法实施流程:
1、计算已知类别数据集中的点与当前点之间的距离;
2、按照距离递增的顺序排序;
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概率;
5、返回前k个点出现频率最高的类别作为当前的预测分类。
例子:
1、电影题材分类
2、海伦约会
3、手写数字识别