四，专著研读（K-近邻算法）

• K-近邻算法
  有监督学习距离类模型，
  
• k-近邻算法步骤
  
  • 计算已知类别数据集中的点与当前点之间的距离
  • 按照距离递增的次序进行排序
  • 选取与当前点距离最小的K个点
  • 确定前k个点出现频率
  • 返回前k个点出现频率最高的类别作为当前点的预测类别
    
• 欧氏距离
  
  \(dist\left ( x,y \right )=\sqrt{\left ( x_{1}-y_{1} \right )^{2}+\left ( x_{2}-y_{2} \right )^{2}+...+\left ( x_{n}-y_{n} \right )^{2}}=\sqrt{\sum_{i=1}^{n}\left ( x_{i}-y_{i} \right )^{2}}\)
  
  
  
• K的选择对分类器的效果有决定性的作用，
• 数据归一化处理
  0-1标准化，Z-score标准化，Sigmoid压缩法等，其中最简单的是0-1标准化。
  
  \(x_{normalization}=\frac{x-Min}{Max-Min}\)
  
  
  
• K-近邻
  
  • 数据输入：特征空间中至少包含k个训练样本（k>=1），特征空间中各个特征的量纲需要统一，若不统一则需要进行归一化处理，自定义超参数k（k>=1）
  • 模型输出：在KNN分类中，输出是标签中的某个类别，在KNN回归中，输出是对象的属性值，该值是距离输入的数据最近的k个训练样本标签的平均值。
    
    
    
• 优点
  
  • 容易理解，精度高，既可以用来做分类也可以用来做回归
  • 可用于数值型数据，和离散型数据
  • 无数据输入假定
  • 适合对稀有数据进行分类
• 缺点
  
  • 计算复杂性高，空间复杂性高
  • 计算量大
  • 样本不平衡问题
  • 可理解性较差