K-近邻算法
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。
使用数据范围;数值型和标称型。
k-近邻算法的一般流程
搜集数据:可以使用任何方法。
准备数据:距离计算所需要的数值,最好是结构化的数据格式。
分析数据:可以使用任何方法。
训练算法:不适用。
测试算法:计算错误率。
使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判断输入数据分别属于那个分类,最后应用对计算出的分类执行后续的处理。
(未完待续)
K-近邻算法
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。
使用数据范围;数值型和标称型。
k-近邻算法的一般流程
搜集数据:可以使用任何方法。
准备数据:距离计算所需要的数值,最好是结构化的数据格式。
分析数据:可以使用任何方法。
训练算法:不适用。
测试算法:计算错误率。
使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判断输入数据分别属于那个分类,最后应用对计算出的分类执行后续的处理。
(未完待续)