机器学习实战——第二章：K-近邻算法

本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。

python：建议使用2.7

python常用函数库：NumPy、scikit-learn等

python集成环境：anaconda

优点：

1、对异常值不敏感

2、无数据输入假设

缺点：

1、计算复杂度高（对每一个测试样本要跑一边KNN，距离计算也很耗时）

2、空间复杂度高（存储所有样本）

3、随K的变化结果可能受影响

4、无法给出数据的内在含义，仅靠距离作为唯一标准

使用数据类型：

1、连续型

2、离散型

使用时注意事项：

1、K一般不大于20

2、视情况对每个特征进行归一化

3、尝试改变K调整模型精度