機器學習筆記之K近鄰算法

算法概述 簡單地說，k-近鄰算法採用測量不同特徵值之間的距離的方法進行分類。 算法優點：精度高、對異常值不敏感、無數據輸入假定。 算法缺點：計算複雜度高、空間複雜度高。 適用數據範圍：數值型和標稱型。 工作原理： 存在一個樣本數據集合，也稱作訓練樣本集，並且樣本集中每個數據都存在標籤，即我們知道樣本集中每一數據 與所屬分類的對應關係。輸入沒有標籤的新數據後，將新數據的每個特徵與樣本集中數據對應的

>>阅读原文<<