5-10 9:15 当我们数据真的和结果具有较强的线性关系的时候，线性回归算法是比KNN算法要好的，这里有点不明白？
来源：5-10 线性回归的可解释性和更多思考
神经旷野舞者
2018-02-10
视频这个地方提到，此时线性回归算法是比KNN算法要好得多的，这里的KNN是KNN分类还是KNN回归？
如果是KNN回归的话，实验 https://coding.imooc.com/learn/questiondetail/42586.html 发现KNN回归的score准确度比线性回归的score还要好一点，并没有比线性回归差，这个地方感觉不是很明白是什么意思？
接着老师还提到了，从某个维度来讲，线性回归比KNN要好很多，是从什么维度来讲得？
写回答
1回答
-
我的视频在这里犯了错误，没有对kNN进行标准化处理。标准化处理后kNN算法比线性回归要好。说明这个房价数据没有我们预想的那样多的符合线性关系。这里对这个数据进行处理的结论，以 https://coding.imooc.com/learn/questiondetail/42586.html 的结果为准。
相比线性回归，kNN的缺点是1）严重依赖原始数据样本；2）容易过拟合；3）预测计算复杂度高。从这三个维度，线性回归都要好于kNN。
一定要切记，没有免费的午餐，没有免费的午餐，没有免费的午餐。这个意思就是：没有任何一个机器学习算法比其他机器学习算法都要好！这也是我们为什么要学习那么多不同的机器学习算法的原因。在学习的过程中，要不断的总结不同的机器学习算法的优缺点，以及在具体应用上的不同。
222018-02-11
相似问题