KNN 算法，以及与Kmeans的简单对比

KNN与Kmeans感觉没啥联系，但是名字挺像的，就拿来一起总结一下吧。

初学者的总结。

KNN是监督学习，Kmeans是无监督学习。

KNN用于分类，Kmeans用于聚类。

先说KNN:

对于KNN，有一批已经标注好label的训练样本，将这批样本的数据转换为向量表示，然后选择度量向量距离的方式。例如 欧式距离，曼哈顿距离，夹脚余弦等。对于这批样本记为W。

然后来一个待分类的样本S，选取W中距离样本S距离最近的K个样本。这K个样本中哪种类别的样本多，则该样本S的分类就是哪种。

KNN的优缺点：

KNN的优点：

1、对输入数据无假定，比如不会假设输入数据是服从正太分布的。

2、算法简单，直观，易于实现

3、对异常值不敏感

4、可以用于数值型数据，也可以用于离散型数据

KNN的缺点：

1、有说是计算复杂度高，不过这个是可以改进的，例如KD数，或者ball tree

2、严重依赖训练样本集，这个感觉没啥改进方法，只能是尽量获取更好的训练样本集。

3、距离度量方法，K值的选取都有比较大的影响。 KNN算法必须指定K值，K值选择不当则分类精度不能保证

4、特征作用相同 与决策树归纳方法和神经网络方法相比，传统最近邻分类器认为每个属性的 作用都是相同的（赋予相同权重）。样本的距离是根据样本的所有特征（属性）计 算的。在这些特征中，有些特征与分类是强相关的，有些特征与分类是弱相关的， 还有一些特征（可能是大部分）与分类不相关。这样，如果在计算相似度的时候， 按所有特征作用相同来计算样本相似度就会误导分类过程。

KNN的改进方向：

对于KNN分类算法的改进方法主要可以分为加快分类速度、对训练样本库的 维护、相似度的距离公式优化和K值确定四种类型。
目前我了解的只有加快分类速度，通过KD树，ball tree等。
机器学习实战 书中说 K不超过20