监督学习--k近邻算法

标签：nbsp   距离   优点   投票   计算   集中   选择   测试   --   

2017-07-20 15:18:25

k近邻（k-Nearest Neighbour, 简称kNN）学习是一种常用的监督学习方法，其工作机制非常简单，对某个给定的测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个‘邻居’的信息进行预测。一般来说，在分类中采用‘投票法’，即选择的这k个样本中出现最多的类别标记作为预测结果。

优点：精度高，对异常值不敏感，无数据输入假定；

缺点：计算复杂度高、空间复杂度高；（对每个输入测试样本，需要计算其和所有训练样本的距离，并从中选择k个最相近的）

适用的数据范围：连续型和离散型

监督学习--k近邻算法

标签：nbsp   距离   优点   投票   计算   集中   选择   测试   --   

原文地址：http://www.cnblogs.com/TIMHY/p/7211778.html