这里做一下总结记录 优点 1、KNN可以处理分类问题,同时天然可以处理多分类问题,比如鸢尾花的分类 2、简单,易懂,同时也很强大,对于手写数字的识别,鸢尾花这一类问题来说,准确率很高 3、KNN还可以处理回归问题,也就是预测 缺点 1、效率低,因为每一次分类或者回归,都要把训练数据和测试数据都算一......
一、 KNN算法是懒散学习方法(lazy learning,基本上不学习),一些积极学习的算法要快很多。 二、 类别评分不是规格化的(不像概率评分)。 三、 输出的可解释性不强,例如决策树的可解释性较强。 四、 该算法在分类时有个主要的不足是,当样本不平衡时,如一个类的样本容量很大,而其他类样本容量很小时,有可能导致...
一、 KNN算法是懒散学习方法(lazy learning,基本上不学习),一些积极学习的算法要快很多。 二、 类别评分不是规格化的(不像概率评分)。 三、 输出的可解释性不强,例如决策树的可解释性较强。 四、 该算法在分类时有个主要的不足是,当样本不平衡时,如一个类的样本容量很大,而其他类样本容量很小时,有可能导致...
一、 KNN算法是懒散学习方法(lazy learning,基本上不学习),一些积极学习的算法要快很多。 二、 类别评分不是规格化的(不像概率评分)。 三、 输出的可解释性不强,例如决策树的可解释性较强。 四、 该算法在分类时有个主要的不足是,当样本不平衡时,如一个类的样本容量很大,而其他类样本容量很小时,有可能导致...