K-近鄰算法

摘自《機器學習實戰》 k-近鄰算法(kNN)採用測量不同特徵值之間的距離方法進行分類。 優點: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。  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(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特徵進行比較
相關文章
相關標籤/搜索