KNN算法优缺点总结，以及机器学习流程的总结
KNN算法作为一个最简单，也是一个很实用的机器学习的算法，日常的使用中也能处理很多问题，这里做一下总结记录
优点
1、KNN可以处理分类问题，同时天然可以处理多分类问题，比如鸢尾花的分类
2、简单，易懂，同时也很强大，对于手写数字的识别，鸢尾花这一类问题来说，准确率很高
3、KNN还可以处理回归问题，也就是预测
缺点
1、效率低，因为每一次分类或者回归，都要把训练数据和测试数据都算一遍，如果数据量很大的话，需要的算力会很惊人，但是在机器学习中，大数据处理又是很常见的一件事
2、对训练数据依赖度特别大，虽然所有机器学习的算法对数据的依赖度很高，但是KNN尤其严重，因为如果我们的训练数据集中，有一两个数据是错误的，刚刚好又在我们需要分类的数值的旁边，这样就会直接导致预测的数据的不准确，对训练数据的容错性太差
3、维数灾难，KNN对于多维度的数据处理也不是很好，如下图
因为距离会越来越大，那么就会越来越“不像”，而对于KNN这种高度依赖距离的算法来说，这个也会影响准确率的
机器学习具体实践的整个流程
形象一点的流程图