K-近邻算法

概述

简单地说，K-近邻算法采用测量不同特征值之间的距离的方法进行分类。

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。

原理

存在一个样本数据集合，即训练样本集，并且样本集中每个样本都存在标签，同时我们知道样本集中每一条数据与所属分类的对应关系。输入新数据后，将新数据的每个特征与样本集中的数据对应的特征进行比较，然后提取与样本集中特征相似数据的分类标签。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。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。

实施kNN算法

1、准备数据

有4组数据，每组数据有两个我们已知的特征值和对应的标签信息。

2、计算已知类别数据集中的点与当前点之间的距离

3、按照距离递增次序排序

4、选取与当前点距离最小的k个点

5、确定前k个点所在类别的出现频率

6、返回前k个点出现频率最高的类别作为当前点的预测分类

示例：使用k-近邻算法实现约会配对

准备数据

部分样本数据集格式

数据分布情况

数据处理

代码实现

测试算法

需要源代码请加好友