K近邻算法又称KNN，全称是K-Nearest Neighbors算法，它是数据挖掘和机器学习中常用的学习算法，也是机器学习中最简单的分类算法之一。KNN的使用范围很广泛，在样本量足够大的前提条件之下它的准确度非常高。

KNN是一种非参数的懒惰学习算法。其目的是使用一个数据库，其中数据点被分成几个类来预测新样本点的分类。简单举个例子，你搬到了一个新的社区，想和你的邻居成为朋友。你开始与邻居交往了。你决定挑选和你的思维方式，兴趣和爱好相似的邻居。在这里思维方式，兴趣和爱好都是特色。您根据兴趣，爱好和思维相似性决定您的邻居朋友圈。这类似于KNN的工作方式所谓K近邻，就是K个最近的邻居的意思。KNN算法既可以做分类，也可以做回归。

K是什么？

K是用于识别新数据点的类似邻居的数字。

参考我们在新社区中的朋友圈的例子。我们根据共同的思维或爱好选择了3个我们希望成为非常亲密朋友的邻居。在这种情况下，K是3。

KNN使用K最近邻居来决定新数据点所属的位置。此决定基于特征相似性。

我们如何选择K的值？

K的选择对我们从KNN获得的结果产生了巨大影响。

我们可以采用测试集并绘制准确率或F1分数对不同的K值。

当K = 1时，我们看到测试集的错误率很高。因此，我们可以得出结论，当k = 1时，模型会过度拟合。

对于较高的K值，我们看到F1得分开始下降。当k = 5时，测试集达到最小错误率。这与K-means中使用的弯头方法非常相似。

在测试误差率的K值给出了K的最佳值。

KNN算法原理

我们可以使用K折叠交叉验证来评估KNN分类器的准确性。

KNN如何运作？

我们在组织中拥有年龄和经验以及薪水。我们想要预测年龄和经验可用的新候选人的工资。

步骤1：为K选择一个值。K应该是一个奇数。

步骤2：找到每个训练数据的新点距离。

步骤3：找到新数据点的K个最近邻居。

步骤4：对于分类，计算k个邻居中每个类别中的数据点的数量。新数据点将属于具有最多邻居的类。

对于回归，新数据点的值将是k个邻居的平均值。

KNN算法原理

K = 5。我们将平均5个最近邻居的工资来预测新数据点的工资

如何计算距离？

可以使用计算距离

• 欧氏距离

• 曼哈顿距离

• 汉明距离

• 闵可夫斯基距离

欧几里德距离是两点之间的平方距离之和的平方根。它也被称为L2规范。

欧几里德距离

曼哈顿距离是两点之间差异的绝对值之和。

曼哈顿距离

用于分类变量。简单来说，它告诉我们两个分类变量是否相同。

汉明距离

Minkowski距离用于找出两点之间的距离相似性。当p = 1时，它变为曼哈顿距离，当p = 2时，它变为欧几里德距离

闵可夫斯基距离

KNN的优点和缺点是什么？

K最近邻居的优点

简单的算法因此易于解释预测

非参数化，因此不对基础数据模式做出假设

用于分类和回归

与其他机器学习算法相比，最近邻居的训练步骤要快得多

K最近邻居的缺点

KNN在计算上是昂贵的，因为它在预测阶段搜索最近邻居的新点

由于KNN必须存储所有数据点，因此存储器要求很高

预测阶段非常昂贵

对异常值敏感，准确性受噪声或无关数据的影响。