ML-k邻近算法(kNN)

1. 定义：采用测量不一样特征值之间的距离方法进行分类。
2. 优势：精度高，对异常值不敏感，无数据输入假定。
3. 缺点：计算复杂度高，空间度高。
4. 适用数据范围： 数值型和标称型。
5. 工做原理： 存在一个样本数据集合，而且样本中每一个数据都存在标签，输入没有标签的数据后，将新数据的每一个特征值与样本集中的每一个特征值比对，而后算法提取样本中特征值最类似数据(最近邻)的分类标签。最后选择k个最类似数据中出现次数最多的分类，做为最新的分类。