4.3 KNN算法的优缺点

每个算法都有其优缺点，KNN算法也不例外，本节将分别对KNN算法的优缺点进行介绍。

1. KNN算法的优点

1）简单，易于理解，易于实现，无须估计参数和训练。

2）适合对稀有事件进行分类（例如当客户流失率低于0.5%，构造流失预测模型）。

3）特别适合多分类问题（multi-modal，对象具有多个类别标签）。

2. KNN算法的缺点

1）懒惰算法，对测试样本分类时的计算量大，内存开销大。

2）可解释性较差，无法给出决策树那样的规则。

3）KNN算法在分类时最主要的不足是：当样本不平衡，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数。该算法只计算“最近的”邻居样本，当某一类样本数量很大时，那么这类样本并不接近目标样本，或者这类样本很靠近目标样本。