KNN的優(yōu)點(diǎn)

1、KNN算法是一個(gè)非常簡(jiǎn)單的算法，理論成熟，思想簡(jiǎn)單，既可以用來(lái)做分類(lèi)也可以用來(lái)做回歸

2、天然解決多分類(lèi)問(wèn)題，也可用于回歸問(wèn)題

3、和樸素貝葉斯之類(lèi)的算法比，對(duì)數(shù)據(jù)沒(méi)有假設(shè)，準(zhǔn)確度高，對(duì)異常點(diǎn)不敏感

4、KNN在訓(xùn)練過(guò)程中實(shí)質(zhì)上不需要做任何事情，所以訓(xùn)練本身不產(chǎn)生任何時(shí)間上的消耗

5、由于KNN方法主要靠周?chē)邢薜泥徑臉颖?，而不是靠判別類(lèi)域的方法來(lái)確定所屬類(lèi)別的，因此對(duì)于類(lèi)域的交叉或重疊較多的待分樣本集來(lái)說(shuō)，KNN方法較其他方法更為適合

KNN的缺點(diǎn)

1、計(jì)算量大，效率低。即使優(yōu)化算法，效率也不高。

2、高度數(shù)據(jù)相關(guān)，樣本不平衡的時(shí)候，對(duì)稀有類(lèi)別的預(yù)測(cè)準(zhǔn)確率低

3、相比決策樹(shù)模型，KNN模型可解釋性不強(qiáng)

4、維度災(zāi)難：隨著維度的增加，“看似相近”的兩個(gè)點(diǎn)之間的距離越來(lái)越大，而knn非常依賴距離