knn算法总结

k-近邻算法（k-nearst neighbor）
工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一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数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。
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。
适用数据范围：数值型和标称型。

k-近邻算法的一般流程：
1）收集数据：可以使用任何方法。比如爬虫
2）准备数据：距离计算所需要的数值，最好是结构化的数据格式。
3）分析数据：可以使用任何方法。
4）训练算法：此步骤不适用于k-近邻算法。
5）测试算法：计算错误率。
6）使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理
计算步骤：
1）算距离：给定测试对象。计算它与训练集的每个对象的距离（欧式距离）
2）找邻居：圈定距离最近的K个训练对象（排序），作为测试对象的近邻