第7节--KNN算法

1. 综述：

1.1 Cover和Hart在1968年提出了最初的邻近算法
1.2 KNN算法属于分类(classification)算法
1.3 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)

2. 例子：

未知电影属于什么类型？

---

3. 算法详述：

3.1 步骤：

1 为了判断未知实例的类别，以所有已知类别的实例作为参照
2 选择参数K
3 计算未知实例与所有已知实例的距离
4 选择最近K个已知实例
5 根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别

3.2 细节:

关于K（一般取奇数）
关于距离的衡量方法:
3.2.1 Euclidean Distance 定义

二维距离计算：

n维距离计算：

其他距离衡量：
余弦值（cos）, 相关度 （correlation）, 曼哈顿距离 （Manhattan distance）

3.3 举例

4. 算法优缺点：

4.1 算法优点

简单
易于理解
容易实现
通过对K的选择可具备丢噪音数据的健壮性

4.2 算法缺点

需要大量空间储存所有已知实例
算法复杂度高（需要比较所有已知实例与要分类的实例）
当其样本分布不平衡时，比如其中一类样本过大（实例数量过多）占主导的时候，新的未知实例容易被归类为这个主导样本，因为这类样本实例的数量过大，但这个新的未知实例实际并未接近目标样本

5. 改进版本

考虑距离，根据距离加上权重
比如: 1/d (d: 距离）