一、总结
一句话总结：
K-近邻算法内容非常简单，书上也就是一些基本理论知识然后就是实例代码
1、K-近邻算法优缺点？
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。
2、k近邻算法（kNN）工作原理？
【数据存在标签】：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。
【提取最近邻的样本】：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。
【k的选择依据】：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近邻算法中的出处，通常k是不大于20的整数。最后，选择个最相似数据中出现次数最多的分类，作为新数据的分类。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
