算法复杂度分为时间复杂度和空间复杂度，简单而讲时间复杂度指的是语句执行次数，空间复杂度指的是算法所占的存储空间，本文通过代码给大家介绍Python算法的时间复杂度和空间复杂度问题，感兴趣的朋友一起看看吧

本文实例讲述了kNN算法python实现和简单数字识别的方法。分享给大家供大家参考。具体如下： kNN算法算法优缺点： 优点：精度高、对异常值不敏感、无输入数据假定 缺点：时间复杂度和空间复杂度都很高 适用数据范围:数值型和标称型 算法的思路： KNN算法（全称K最近邻算法），算法的思想很简单，简单的说就是物以类聚，也就是说我们从一堆已知的训练集中找出k个与目标最靠近的，然后看他们中最多的分类是哪个，就以这个为依据分类。 函数解析： 库函数： tile() 如tile(A,n)就是将A重复n次

算法复杂度分为时间复杂度和空间复杂度。 其作用： 时间复杂度是指执行算法所需要的计算工作量； 而空间复杂度是指执行这个算法所需要的内存空间。 （算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度）。 简单来说，时间复杂度指的是语句执行次数，空间复杂度指的是算法所占的存储空间 计算时间复杂度的方法： 用常数1代替运行时间中的所有加法常数 修改后的运行次数函数中，只保留最高阶项 去除最高阶项的系数