【python 机器学习】sklearn KNN算法

---

sklearn KNN 算法

K最近邻（K-Nearest Neighbors，KNN）算法是一种常见的监督学习算法，广泛应用于分类和回归问题中。其核心思想非常直观：通过计算待预测数据点与训练集数据点的距离，找到最相近的 K 个邻居，并根据这些邻居的信息进行预测。KNN 算法不依赖于模型的显式训练过程，而是直接利用训练数据来做预测。

1. 什么是 KNN 算法？

通俗介绍：

想象你和你的小伙伴在一起玩游戏。如果你想知道自己和其他人有多像，你可以去看和你长得最像的 K 个小伙伴，看看他们喜欢什么东西，然后根据他们的喜好来决定你喜欢什么东西。

学术解释：

KNN 算法是一种基于实例的学习方法，在做出预测时，它不会创建显式的训练模型，而是通过计算待预测数据点与训练集中所有数据点之间的距离，选择最接近的 K 个邻居。对于分类任务，KNN 会根据 K 个邻居所属的类别进行投票，选择票数最多的类别作为预测结果；对于回归任务，KNN 会根据 K 个邻居的数值进行平均，得出预测值。