K-邻近算法

用K-邻近算法进行分类

例如：电影分类里动作片和爱情片的分类。动作片里可能有爱情镜头，爱情片里可能有动作镜头，但是爱情片中的亲吻镜头更多，动作片中
　　　的打斗场景也更频繁，基于此类场景在某部电影中出现的次数可以用来进行电影分类。

1、

基于电影中出现的亲吻、打斗出现的次数，使用K-近邻算法构造程序，自动划分电影的题材类型。

简单地说，谷近邻算法采用测量不同特征值之间的距离方法进行分类

K-近邻算法

优点：精度高、对异常值不敏感、无数据输入假定。
缺点：计算复杂度高、空间复杂度高。
适用数据范围：数值型和标称型。

K-近邻算法(KNN) , 它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。
输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前K个最相似的数据，这就是&-近邻算法中&的出处,通常K是不大于20的整数。
最后，选择K个最相似数据中出现次数最多的分类，作为新数据的分类