分类算法-上

分类的目的是根据数据集的特点构造一个分类函数或分类模型（常常称作分类器），该模型能把未知类别的样本映射到给定的类别中去。分类算法通过对已知类别训练集的分析，从中发现分类规则，依次预测新数据的类别。分类算法应用很广泛，包括风险评估、客户类别分类、文本检索和搜索引擎分类等。常用的分类算法。

• KNN算法
  给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居），这K个实例的多数属于某个类，就把该输入实例分类到这个类中。
• List item

k-近邻算法步骤

1. 计算已知类别数据集中的点与当前点之间的距离；
2. 按照距离递增次序排序；
3. 选取与当前点距离最小的k个点；
4. 确定前k个点所在类别的出现频率；
5. 返回前k个点所出现频率最高的类别作为当前点的预测分类。

• k-近邻算法特点
  KNN方法在类别决策时，只与极少数的相邻样本有关，因此，采用这种方法可以较好地避免样本的不平衡问题。另外，由于KNN方法主要靠周围有限的邻近样本，而不是靠判别类域的方法来确定所属类别，因此对于类域的交叉或重叠较多的待分类样本来说，KNN方法较其他方法更为适合。
  优点：准确性高，对异常值和噪声有较高的容忍度。
  缺点：计算量较大，对内存的需求也较大。
  针对该算法的不足，主要有以下两类改进的方法：
  