1、分类与聚类的概念与区别分类：是从一组已知的训练样本中发现分类模型，并且使用这个分类模型来预测待分类样本。目前常用的分类算法主要有：朴素贝叶斯分类算法（NaïveBayes）、支持向量机分类算法（SupportVectorMachines）、KNN最近邻算法(kNearestNeighbors)、神经网络算法（NNet）以及决策树（De

KNN算法的全称是KNearestNeighbor，中文为K近邻算法，它是基于距离的一种算法，简单有效。KNN算法即可用于分类问题，也可用于回归问题。1，准备电影数据假如我们统计了一些电影数据，包括电影名称，打斗次数，接吻次数，电影类型，如下：电影名称打斗次数接吻次数

  简单的说，K近邻算法是采用不同特征值之间的距离方法进行分类。  该方法优点：精确值高、对异常值不敏感、无数据输入假定  缺点：计算复杂度高、空间复杂度高  适用范围：数据型和标称型  现在我们来讲KNN算法的工作原理：存在一个样本数据集，也称作训练样本集，并且样本中每条数据都存在标签。将新输入的没有标签的数据与训练样本数据集中