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

image [机器学习]机器学习笔记整理07- KNN算法 AI教程 第1张 
image [机器学习]机器学习笔记整理07- KNN算法 AI教程 第2张

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.

image [机器学习]机器学习笔记整理07- KNN算法 AI教程 第3张

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

image [机器学习]机器学习笔记整理07- KNN算法 AI教程 第4张