2019-03-30派森学习第131天

上午看了一下k邻近算法(k-Nearest Neighbor, KNN)。

该算法主要思想是通过计算周围k个最邻近的点的平均值，作为当前值的近似。

k需要自己设置，然后通过比较各个点与当前点的欧氏距离（各个维度的指标对应相减之后的平方和在求根），取其中距离最小的k个点就是k个最邻近的点了，用这k个点的平均值来表示当前点的值。

KNN算法流程：

优点

（1）理论成熟简单，易于理解及算法实现；

（2）可以用于多分类分类、回归等；

缺点

（1）需要计算待分类样本与所有已知样本的距离，计算量大；

（2）样本容量小或样本分布不均衡时，容易分类错误，后者可通过施加距离权重进行改善；