k-近邻算法

K-近邻分类算法

概述

• knn采用测量不同特征值之间的距离方法进行分类

  工作原理

  存在一个样本训练集，含标签，已知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数据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（最邻近）的分类标签

  优缺点

• 优点：思想简单，实现起来比较容易，在多分类问题上效果很好
  缺点：效率低下。如果有m个样本和n个特征，则算法复杂度为O(m*n)。当训练数据比较多的时候，可以想象速度有多感人。计算复杂度和空间复杂度都比较大
  而且结果不具有可解释性。

自己想一遍，写一遍吧，掌握才是王道

从文本中解析和导入数据

使用matplotlib创建扩散图

归一化数值

归一化处理的必要性

k-近邻算法

原文：https://www.cnblogs.com/gaowenxingxing/p/12293081.html