王雷說的knn是什麼意思

KNN是通過測量不同特徵值之間的距離進行分類。它的思路是：如果一個樣本在特徵空間中的k個最相似(即特徵空間中最鄰近)的樣本中的大多數屬於某一個類別，則該樣本也屬於這個類別。

優點：

① 訓練時間複雜度比支援向量機之類的演算法低，僅為O(n)

② 和樸素貝葉斯之類的演算法比，對資料沒有假設，準確度高，對異常點不敏感

③ KNN主要靠周圍有限的鄰近的樣本，而不是靠判別類域的方法來確定所屬類別的，因此對於類域的交叉或重疊較多的待分樣本集來說，KNN方法較其他方法更為適合

缺點

① 計算複雜性高空間複雜性高

② 樣本不平衡的時候，對稀有類別的預測準確率低

③ 可解釋性差，無法給出決策樹那樣的規則。