K-近邻算法

摘自《机器学习实战》 k-近邻算法（kNN）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。  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（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特征进行比较

>>阅读原文<<