首页 / 知识
Python k-近邻算法的优缺点
2023-11-12 13:31:00
优点
pythonk-近邻算法简单，易于理解，易于实现，无需参数估计，无需训练，即可以用来做分类也可以用来做回归
和朴素贝叶斯算法比，对数据没有假设，准确度高，对异常值不敏感(个别噪音数据对结果的影响不是很大)
适合对稀有事件进行分类，也可以用于非线性分类
适合于多分类问题(multi-modal，对象具有多个类别标签)，KNN要比SVM表现好
训练时间复杂度比支持向量机之类的算法低，仅为O(n)
由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合
该算法比较适用于样本容量比较大的类域的自动分类，而那些样本容量较小的类域采用这种算法比较容易误分
缺点
对测试样本分类时的计算量大，内存开销大，因为对每个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点，目前常用的解决方法是对已知的样本点进行剪辑，事先要去除对分类作用不大的样本
可解析性差，无法告诉你哪个变量更重要，无法给出决策树那样的规则
k值的选择：最大的缺点是当样本不平衡时，如一个类的样本容量很大，而其他样本容量很小时候，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数。该算法只计算“最近的”邻居样本，某一类的样本数量很大的时候，那么或者这类样本并不接近目标样本，或者这类样本很靠近目标样本。无论如何，数量并不影响运行结果，可以采用权值的方法(和该样本距离小的邻居权重大)来改进
KNN是一种消极学习方法，懒惰算法，导致预测时速度比起逻辑回归之类的算法慢
相对于决策树模型，KNN模型可解释性不强
KD树，球树之类的模型建立需要大量的内存
以上内容为大家介绍了Pythonk-近邻算法的优缺点，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注我们
最新内容
相关内容
python的调用绑定方法和非绑定方法
python的调用绑定方法和非绑定方法，代码，方法，实例，第一，培训，时计，奇数，偶数，参数，定义，在Python中，如果用实例去调用方法，这种限制就被称为Py
Python网络编程调用接收数据的三种
Python网络编程调用接收数据的三种方法，数据，代码，基础，通用，通讯，服务，网络，培训，方法，报文，最近在使用python进行网络编程开发一个通用的tc
数据科学领域Python比R语言更好
数据科学领域Python比R语言更好，数据，公司，工具，时间，项目，工作，庞大，受益，系统，代码，经常有学员问我们，在数据科学领域里，到底是该选Python呢，
Python 3.6 中针对文件系统的神奇
Python 3.6 中针对文件系统的神奇方法，数字，代码，数据，标准，信息，培训，首次，工作，文件名，常数，Python3.6首次发布于2016年，尽管它已经发布了很
python的数据类型
python的数据类型，数字，较大，数据，培训，变量，表示，字符串，赋值，常量，小数，1.整型Python可以处理任意大小的整数，当然包括负整数，在程序中的表示
Python 之模块重载的五种方法
Python 之模块重载的五种方法，环境，培训，方法，模块，文件夹，例子，下面，内容，语句，请看，python环境准备新建一个foo文件夹，其下包含一个bar.py文
Python语言自带的数据结构有哪些
Python语言自带的数据结构有哪些，异常，数字，数据，元素，序列，培训，位置，名称，分析，括号，Python作为一种脚本语言，其要求强制缩进，使其易读、美观
提升Python数据分析能力的方法
提升Python数据分析能力的方法，分析，数据，工具，代码，时间，环境，报告，信息，培训，标准，1.Pandas分析包这个工具的好处是显而易见的。下面的动画Python数据结构的时间复杂性
Python数据结构的时间复杂性，时间，项目，情况，平均，复杂度，培训，术语，数据，状态，操作，1.让我们了解大O符号的含义是什么?在算法中执行许多操作
数据科学中必须了解的Python核心库
数据科学中必须了解的Python核心库，数据，生产，代码，标准，分析，培训，图片，工具，统一，涉足，python有三个核心数据科学库，在此基础上还创建了许多
Python集合和时间复杂度
Python集合和时间复杂度，项目，时间，数据，数字，照片，情况，通用，培训，平均，表示，在本文的这一部分中，我将记录CPython中的常见集合，然后概述它们Python中字典合并的实现方法
Python中字典合并的实现方法，培训，结果，以上，版本，字典，方法，函数，下面，背景，发现，TableofContents背景Methon1：适用于Python3.5及以上版本呢M