K-近鄰分類法及tabulate、rng、categorical、varfun、discretize函數用法介紹

原理：簡單比喻爲——人以羣分，物以類聚。 優點：對於類域的交叉或重疊較多的待分樣本集來說，K-NN較其他方法更合適。 缺點：計算量較大，因爲會計算全體已知樣本的距離。 改進方法： （1）解決計算量大，事先對已知樣本點進行剪輯，去除對分類作用不大的成分。 （2）儘可能將計算壓縮到接近測試樣本領域的小範圍內，避免盲目地與訓練樣本集中的每個樣本進行距離計算。 算法步驟： （1）初始化距離爲最大值，計算未

>>阅读原文<<