简述K近邻算法的优缺点

优点

1、简单，易于理解，易于实现。
2、只需保存训练样本和标记，无需估计参数，无需训练。
3、不易受小错误概率的影响。经理论证明，最近邻的渐进错误率最坏时不超过两倍的贝叶斯错误率，最好时接近或达到贝叶斯错误率。

缺点

1、K的选择不固定。
2、预测结果容易受含噪声数据的影响。
3、当样本不平衡时，新样本的类别偏向训练样本中数量占优的类别，容易导致预测错误。
4、具有较高的计算复杂度和内存消耗，因为对每一个待分类的文本，都要计算它到全体已知样本的距离，才能求得它的K个最近邻。