分类算法-k近邻算法（需要做标准化处理)

问题

1. K取值多大？有什么影响
   • K取值太大：容易受K值数量（类别）波动
   • K取值太小：容易受到异常点影响
2. 性能问题

优缺点

• 优点：
  • 简单，易于理解，易于实现，无需估计参数，无需训练
• 缺点
  • 懒惰算法，对测试样本分类时的计算量大，内存开销大
  • 必须指定K值，K值选择不当则分类精度不能保证
• 使用场景：
  • 小数据场景，几千-几万样本，具体场景具体业务去测试

示例流程

1. 数据集的处理
2. 分割数据集
3. 对数据集进行标准化
4. estimator流程进行分类预测

定义：

如果一个样本在特征空间中的k个最近似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。

计算距离公式（欧式距离）

K-近邻算法API

k-近邻算法案例 Facebook V：预测Check Ins问