K-Nearest Neighbors算法特点

•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，即我们知道样本集中每个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特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。

•一般来说，只选择样本数据集中前N个最相似的数据。K一般不大于20，最后，选择k个中出现次数最多的分类，作为新数据的分类

一般流程

•收集数据：可以使用任何方法

•准备数据：距离计算所需要的数值，最后是结构化的数据格式。

•分析数据：可以使用任何方法

•训练算法： （此步骤kNN）中不适用

•测试算法：计算错误率

•使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。

K值的选择

•如果选择较小的K值

•“学 习”的近似误差（approximation error)会减小，但 “学习”的估计误差（estimation error) 会增大，

•噪声敏感

•K值的减小就意味着整体模型变得复杂，容易发生过 拟合.

•

•如果选择较大的K值，

•减少学习的估计误差，但缺点是学习的近似误差会增大.

•K值的增大 就意味着整体的模型变得简单.