k-近邻算法

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个标签。

从描述中可以发现k-近邻算法的缺点：1.需要计算和所有样本之间的距离（计算复杂度高）；2.如果选取的特征值过多就会导致空间复杂度高。当然其优点也很明显，由于要计算和所有样本之间的距离，所以如果有某个异常值则不会影响最终结果（对异常值不敏感，精度高，无数据输入假设）。