基于k-近邻算法的室内WiFi位置指纹定位实验报告

k-近邻算法（KNN） 简单地说，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。 适用数据范围：数值型和标称型。 算法原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道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值最相似数据（最近邻）的分类标签。一般来说，我

>>阅读原文<<