机器学习笔记之K近邻算法

算法概述 简单地说，k-近邻算法采用测量不同特征值之间的距离的方法进行分类。 算法优点：精度高、对异常值不敏感、无数据输入假定。 算法缺点：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。 工作原理： 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每一数据 与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的

>>阅读原文<<