顿搜
飞过闲红千叶，夕岸在哪
类目归类
K 近邻算法 (KNN) 详细介绍——机器学习经典分类算法
01/10
Cover 和 Hart 在 1968 年提出了最初的邻近算法
是一种基于实例的学习 (instance-based learning)， 懒惰学习 (lazy learning)
算法描述
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，选择参数 K
- 计算未知实例与所有已知实例的距离 d
- 选择最近 K 个已知实例
- 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
距离度量
- Euclidean Distance
- 余弦值（cos）
- 相关度 （correlation）
- 曼哈顿距离 （Manhattan distance）
算法优缺点
算法优点
- 简单
- 易于理解
- 容易实现
通过对 K 的选择可具备丢噪音数据的健壮性
算法缺点
- 需要大量空间储存所有已知实例
- 算法复杂度高（需要比较所有已知实例与要分类的实例）
- 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
算法改进
- 考虑距离，根据距离加上权重。比如: 1/d (d: 距离）
