機器學習（二）k-近鄰分類算法（kNN）

一、k-近鄰算法概述 k-近鄰算法採用 測量不一樣特徵值之間的距離的方法進行分類。 優勢：精度高、對異常值不敏感、無數據輸入假定； 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。 二、工做原理：      存在一個樣本數據集合，也稱做訓練樣本集，而且樣本集中每一個數據都存在標籤，即咱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，將新數據的每一個特徵與樣本集

>>阅读原文<<