K - 近鄰算法（KNN），他的工作原理：存在一個樣本數(shù)據集合，也稱為訓練樣本集，并且樣本集合中每個數(shù)據都存在標簽，即我們知道樣本集合中每一個數(shù)據與所屬分類的對于關系。輸入沒有標簽的新數(shù)據后，將新數(shù)據的每個特征與樣本集中數(shù)據對應的特征值比較，然后算法提取樣本集中 特征最相似數(shù)據（最近鄰（的分類標簽，一般來說，我們只選擇樣本數(shù)據集中前K個最相似的數(shù)據 ，這就是K - 近鄰算法中k的出處。一般說來，我們可以K的值大概在20的整數(shù)。最后，選擇k個最相似數(shù)據中出現(xiàn)次數(shù)最多的分類，作為新數(shù)據的分類。

　　簡單的說，K - 近鄰算法算法就是采用測量不同特征值之間的距離方法進行分類，可以采用歐式距離或者余弦距離。

優(yōu)點：精度高、對異常值不敏感、無數(shù)據輸入假定

缺點：計算復雜度高、空間負責高。

轉載于:https://www.cnblogs.com/fartherfuture/p/3628837.html

總結

以上是生活随笔為你收集整理的K - 近邻算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。