KNN面试题

文档摘要

KNN面试题 1.简述一下KNN算法的原理 KNN算法利用训练数据集对特征向量空间进行划分。KNN算法的核心思想是在一个含未知样本的空间，可以根据样本最近的k个样本的数据类型来确定未知样本的数据类型。该算法涉及的3个主要因素是：k值选择，距离度量，分类决策。如何理解kNN中的k的取值？在应用中，k值一般取比较小的值，并采用交叉验证法进行调优。在kNN的样本搜索中，如何进行高效的匹配查找？线性扫描(数据多时，效率低) 构建数据索引——Clipping和Overlapping两种。前者划分的空间没有重叠，如k-d树；后者划分的空间相互交叠，如R树。（对R树了解很少，可以之后再去了解） KNN算法有哪些优点和缺点？优点：算法思想较简单，既可以做分类也可以做回归；