K-近邻分类算法
概述
- knn采用测量不同特征值之间的距离方法进行分类
工作原理
存在一个样本训练集，含标签，已知样本集中每个数据与所属分类的对应关系，输入没有标签的新数据后，将新数据的每个特征与样本数据集中数据对应的特征进行比较，然后算法提取样本集中特征最相似（最邻近）的分类标签
优缺点
- 优点：思想简单，实现起来比较容易，在多分类问题上效果很好
缺点：效率低下。如果有m个样本和n个特征，则算法复杂度为O(m*n)。当训练数据比较多的时候，可以想象速度有多感人。计算复杂度和空间复杂度都比较大
而且结果不具有可解释性。
自己想一遍，写一遍吧，掌握才是王道
可以参考这个了，两种实现方式