摘要： k-近邻算法可以完成很多分类任务，但是它最大的缺点就是无法给出数据的内在含义，决策树的主要优势在于数据形式非常容易理解。比如给你一个100以内的数来猜，通过对你猜的数的是大还是小来引导你得到最后的结果。优点：计算复杂度低，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特诊数据。缺点：可能会产... 阅读全文

摘要： k-近邻算法采取的是利用多个特征值之间的距离进行分析。比如现在有n个数据，类的标签为A,B,C，每个数据对应一个标签，此时来个一个数据没有任何标签，只有其多个特征值信息，那我们就可以计算出这个数据和每个已分类数据的距离，找出其距离前k近的数据，看在这些数据中哪种标签占的比重最多，那么这个数据就分为这... 阅读全文