[机器学习]机器学习笔记整理07

算法描述

步骤

1. 为了判断未知实例的类别，以所有已知类别的实例作为参照

2. 选择参数K

3. 计算未知实例与所有已知实例的距离

4. 选择最近K个已知实例

5. 根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别

细节

关于K

关于距离的衡量方法:

Euclidean Distance 定义

其他距离衡量：余弦值（cos）, 相关度 （correlation）, 曼哈顿距离 （Manhattan distance）

举例

如图所示K不同时问号可以分别属于绿色蓝色红等类别.

算法优缺点

法优点

1. 简单

2. 易于理解

3. 容易实现

4. 通过对K的选择可具备丢噪音数据的健壮性

算法缺点

1. 需要大量空间储存所有已知实例

2. 算法复杂度高（需要比较所有已知实例与要分类的实例）

3. 当其样本分布不平衡时，比如其中一类样本过大（实例数量过多）占主导的时候，新的未知实例容易被归类为这个主导样本，因为这类样本实例的数量过大，但这个新的未知实例实际并木接近目标样本,如Y点

注意Y点的