机器学习算法学习---处理分类问题常用算法（二）

标签：实现   简单的   for   eve   k-近邻算法   原理   sha   1.0   比较   

k-近邻算法采用测量不同特征值之间的距离方法进行分类。

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。

适用范围：数值型、标称型。

工作原理：存在一个样本数据集合（训练样本集），并且样本集中每个数据都存在标签。输入没有标签的新数据后，将数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相近数据的分类标签。

python实现简单的KNN算法如下：

该算法用到的距离计算为欧式距离公式。

机器学习算法学习---处理分类问题常用算法（二）

标签：实现   简单的   for   eve   k-近邻算法   原理   sha   1.0   比较   

原文地址：https://www.cnblogs.com/zhenpengwang/p/10792648.html