本節書摘來自異步社群出版社《寫給程式員的資料挖掘實踐指南》一書中的第5章，第5.8節，作者：【美】ron zacharski（紮哈爾斯基），更多章節内容可以通路雲栖社群“異步社群”公衆号檢視。
幾年前我在墨西哥城參加一個學術會議，那次會議的會程與其他會議有點不同：第一天做報告，而第二天則是一天的遊覽（包括帝王蝶、印加遺迹等）。遊覽的那天涉及一段在公共汽車上的長途旅行，而汽車出了點故障。于是，在汽車進行檢修時，一大堆博士有很多時間站在路邊互相交談。這段馬路上的交流對我而言是那次會議的亮點。其中和我交談的一個人叫eric brill，他因為開發一個稱為brill的詞性标注器而聞名。與前幾章類似的是，brill标注器做的也是對資料分類，此時，它将詞按照詞性（名詞、動詞等）分類。brill建構的算法要顯著優于前人的算法（是以，brill在自然語言處理領域變得十分出名）。在那條墨西哥公路邊，我同eric brill探讨提高算法性能的問題。他的觀點是，通過獲得更多訓練資料帶來的提高會比算法改進帶來的提高要大。實際上，他感覺如果保留原始的詞性标注算法并且單純增大訓練資料的規模，所帶來的提高會高于新提出的算法所帶來的進步。盡管如此，他也說，隻是搜集更多的資料無法獲得博士學位，但是通過開發出一個具有少量性能提高的算法卻能實作這一點！
這裡給出了另一個例子。在很多機器翻譯競賽中，google往往名列前茅。我們得承認google擁有大量極其聰明的人在開發偉大的算法，但是google之是以勝出很大部分原因應歸功于其從web上獲得的極大規模訓練集。
這并不是說不應該選擇最佳的算法。我們已經看到，選擇好的算法會帶來顯著的不同。但是，如果想解決一個實際問題（而不是發表學術論文），那麼可能不值得花費大量時間研究和調整算法。如果集中去擷取更多資料的話，你或許會得到更高的成本效益或者時間上的更好回報。
在認識到資料重要性的同時，我将繼續想辦法引入新的算法。
人們将knn分類器用于：
amazon上的物品推薦
消費者信貸風險的評估
利用圖像分析技術對地表分類
人臉識别
識别圖像中的人物性别
推薦web網頁
推薦度假套餐
1introduction to data mining. 2005. addison-wesley
本文僅用于學習和交流目的，不代表異步社群觀點。非商業轉載請注明作譯者、出處，并保留本文的原始連結。