1. 我現在在看《機器學習實戰》這本書，關於分類的演算法，我現在看過了KNN和決策樹分類的演算法，這兩種方法
主要是矩陣方面的，那些知識 看到的時候 再學一下就行
2. knn分類演算法 怎麼處理定性數據
knn演算法(k-Nearest Neighbor algorithm).是一種經典的分類演算法.
注意,不是聚類演算法.所以這種分類演算法必然包括了訓練過程.
然而和一般性的分類演算法不同,knn演算法是一種 懶惰演算法 .它並非
像其他的分類演算法先通過訓練建立分類模型.,而是一種被動的分類
過程.它是邊測試邊訓練建立分類模型.
演算法的一般描述過程如下:
1.首先計算每個測試樣本點到其他每個點的距離.
這個距離可以是歐氏距離,餘弦距離等.
3. 推薦演算法和KNN演算法的關系
knn演算法是推薦演算法的一種
整體思想比較簡單：計算一個點A與其他所有點之間的距離，取出與該點最近的k個點，然後統計這k個點裡面所屬分類比例最大的，則點A屬於該分類。
4. 請簡述為什麼kNN演算法是懶惰的
kNN演算法，對於分類的不同屬性定義距離。對於一個新的待分類樣本點，只取k個與該樣本距離最近的點，然後找這k個點所歸屬的最多的類做為新樣本點的分類。由於只取k個點，不需要全部樣本點來做分類，所以說這個演算法懶惰。
5. knn演算法用來文本分類怎麼樣
一般
6. knn演算法，一般需要多少個特徵詞
KNN)分類演算法K最近鄰(k-Nearest Neighbour，也是最簡單的機器學習演算法之一，是一個理論上比較成熟的方法：如果一個樣本在特徵空間中的k個最相似(即特徵空間中最鄰近)的樣本中的大多數屬於某一個類別。該方法的思路是，則該樣本也屬於這個類別
7. KNN演算法，k近鄰
K最近鄰(k-Nearest Neighbour，KNN)分類演算法，是一個理論上比較成熟的方法，也是最簡單的機器學習演算法之一。該方法的思路是：如果一個樣本在特徵空間中的k個最相似(即特徵空間中最鄰近)的樣本中的大多數屬於某一個類別，則該樣本也屬於這個類別。