KNN分类算法补充

KNN补充：算法

一、K值设定为多大？性能

k过小，分类结果易受噪声点影响；k太大，近邻中又可能包含太多的其它类别的点。学习

（对距离加权，能够下降k值设定的影响）测试

k值一般是采用交叉检验来肯定（以k=1为基准）spa

经验规则：k通常低于训练样本数的平方根效率

 

二、类别如何断定最合适？变量

加权投票法更恰当一些。而具体如何加权，须要根据具体的业务和数据特性来探索方法

 

三、如何选择合适的距离衡量？经验

高维度对距离衡量的影响：众所周知当变量数越多，欧式距离的区分能力就越差。数据

变量值域对距离的影响：值域越大的变量经常会在距离计算中占据主导做用，所以应先对变量进行标准化。

 

四、训练样本是否要一视同仁？

在训练集中，有些样本多是更值得依赖的。

也能够说是样本数据质量的问题

能够给不一样的样本施加不一样的权重，增强依赖样本的权重，下降不可信赖样本的影响。

 

五、性能问题？

KNN是一种懒惰算法，平时很差好学习，考试（对测试样本分类）时才临阵磨枪（临时去找k个近邻）。

懒惰的后果：构造模型很简单，但在对测试样本分类的系统开销大，由于要扫描所有训练样本并计算距离。

已经有一些方法提升计算的效率，例如压缩训练样本量等。