ML-k鄰近算法(kNN)

1. 定義：採用測量不一樣特徵值之間的距離方法進行分類。
2. 優勢：精度高，對異常值不敏感，無數據輸入假定。
3. 缺點：計算複雜度高，空間度高。
4. 適用數據範圍： 數值型和標稱型。
5. 工做原理： 存在一個樣本數據集合，而且樣本中每一個數據都存在標籤，輸入沒有標籤的數據後，將新數據的每一個特徵值與樣本集中的每一個特徵值比對，而後算法提取樣本中特徵值最類似數據(最近鄰)的分類標籤。最後選擇k個最類似數據中出現次數最多的分類，做爲最新的分類。