KNN和SVM的区别和联系

　　先从两者的相同点来看吧，两者都是比较经典的机器学习分类算法，都属于监督学习算法，都对机器学习的算法选择有着重要的理论依据。

　　区别：

　　1 KNN对每个样本都要考虑。SVM是要去找一个函数把达到样本可分。

　　2 朴素的KNN是不会去自助学习特征权重的，SVN的本质就是在找权重。

　　3 KNN不能处理样本维度太高的东西，SVM处理高纬度数据比较优秀。

　　怎么选择使用二者呢？

　　1 选择KNN的场景：

　　@ 准确度不需要精益求精。

　　@ 样本不多。

　　@ 样本不能一次性获取。智能随着时间一个个得到。

　　2 选择SVM的场景：

　　@ 需要提高正确率。

　　@ 样本比较多。

　　@ 样本固定，并且不会随着时间变化。