KNN算法的综述和JAVA实现

 KNN算法是K Nearest Neighbors 的简称，是一种基于统计学的分类算法，由于其本身简单易懂的特点，被广泛的应用于文本分类、聚类分析、数据挖掘、机器学习、预测分析、减少维度、模式识别、图像处理等领域，但是其本身的缺点也使得KNN算法的应用范围受到了很大的限制，在处理高纬度和大型的数据集时的并不理想的分类效果，使KNN算法的改进方法成为了学者们研究的热点。针对于分类算法的研究主要包括创新性和改进型两种，再好的算法也不能够在处理所有类型的数据集的时，都获得最高的分类精度，所以学者们开始探索新的分类算法，可是对于传统算法的对比研究和改进同样是一个重要的课题。针对于此，文章中主要对KNN近年来的概念发展进行理论性的总结，主要的总结点是KNN的优缺点和相关的改进算法。对于其他的分类算法文章的第三章也给出了相应的简单介绍和优缺点的比较。最后对于KNN算法的实现给出了代码实现和运行界面，并得到了不同的K值和不同的相似度度量标准下的准确率的比较，紧接着又对KNN算法的应用之一---文本分类给出了代码实现和运行界面，并在特征选择和不进行特征选择的情况下，针对不同的K值给出了准确率的对比结果，并用直方图显示，便于同类型的比较分析。KNN算法是一种标准的懒惰型学习算法，是一种基于类比的学习算法，需要根据给定的训练数据集的类别特点，来判断未知类别的样本，进而达到分类的效果。文章中并没有提出新的创新的想法，只是对于已有的KNN的理论进行整理行的总结和概括，扎实KNN算法的基础，为以后更深入的研究最好铺垫。

[关键词]  KNN算法，分类算法，最近邻，java实现，分类算法比较，KNN算法的改进。

*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】