1.kNN算法的优缺点

优点

  • 简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归；
  • 可用于数值型数据和离散型数据；
  • 训练时间复杂度为O(n)；无数据输入假定；
  • 对异常值不敏感。

缺点：

  • 计算复杂性高；空间复杂性高；
  • 样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）；
  • 一般数值很大的时候不用这个，计算量太大。但是单个样本又不能太少，否则容易发生误分。
  • 最大的缺点是无法给出数据的内在含义。
2. 其他
  • 关于距离度量的方法还有切比雪夫距离、马氏距离、巴氏距离等；