数据挖掘算法讲解

4、最近邻算法——KNN KNN即最近邻算法，其主要过程为：计算训练样本和测试样本中每个样本点的距离(常见的距离度量有欧式距离，马氏距离等);对上面所有的距离值进行排序;选前k个最小距离的样本;根据这k个样本的标签进行投票，得到最后的分类类别;如何选择一个最佳的K值，这取决于数据。

1. 朴素贝叶斯算法（Naive Bayes, NB）以其简洁性著称，类似于进行基础的计数任务。 在满足条件独立性假设的前提下，NB能够迅速收敛，尤其适用于训练数据有限的情况。 在半监督学习环境中，或者当需要平衡模型复杂度与性能时，NB是一个不错的选择。