數據挖掘十大經典算法系列，點擊鏈接直接跳轉：

• 數據挖掘簡介及十大經典算法（大綱索引）
• 1. 數據挖掘十大經典算法之——C4.5 算法
• 2. 數據挖掘十大經典算法之——K-Means 算法
• 3. 數據挖掘十大經典算法之——SVM 算法
• 4. 數據挖掘十大經典算法之——Apriori 算法
• 5. 數據挖掘十大經典算法之——EM 算法
• 6. 數據挖掘十大經典算法之——PageRank 算法
• 7 數據挖掘十大經典算法之——AdaBoost 算法
• 8. 數據挖掘十大經典算法之——KNN 算法
• 9. 數據挖掘十大經典算法之——Naive Bayes 算法
• 10. 數據挖掘十大經典算法之——CART 算法

簡介

分類思想比較簡單，從訓練樣本中找出K 個與其最相近的樣本，然后看這k 個樣本中哪個類別的樣本多，則待判定的值（或說抽樣）就屬于這個類別。

缺點：

1）K 值需要預先設定，而不能自適應

2）當樣本不平衡時，如一個類的樣本容量很大，而其他類樣本容量很小時，有可能導致當輸入一個新樣本時，該樣本的K 個鄰居中大容量類的樣本占多數。
該算法適用于對樣本容量比較大的類域進行自動分類。

總結

以上是生活随笔為你收集整理的数据挖掘十大经典算法之——KNN 算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。