KNN决策树 KNN 优点 精度高，对异常值不敏感，无数据输入假定 缺点 计算复杂度高，空间复杂度高 适用数据范围 数值型和标称型 标称型:标称型目标变量的结果只在有限目标集中取值,如真与假(标称型目标变量主要用于分类) 决策树 优点 计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据 缺点 可能会产生过度匹配问题（过拟合） 适用数据范围 数值型和标称型 优点 缺点 适用数据范围
