最邻近规则分类KNN算法

例子：

• 求未知电影属于什么类型：

算法介绍：

步骤：

• 　  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
•      选择参数K
•      计算未知实例与所有已知实例的距离
•      选择最近K个已知实例
•      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

细节：

• 关于K的选择
• 关于距离的衡量方法：

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

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。

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木接近目标样本。