k-近邻算法(kNN)采用测量不同特征值之间的距离方法进行分类。
使用数据范围:数值型和标称型。 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。
k-近邻算法的一般流程:
实施步骤:
对未知类别属性的数据集中的每个点依次执行以下操作:
本文分享自 mwangblog 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!