机器学习之k-邻近算法
K-邻近算法 简单地说,k-邻近算法采用测量不同特征值之间的距离方法进行分类。 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。 适应数据范围: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
...
Blog