文章目录
k近邻法（k-nearest neighbor，k-NN）是一种基本分类与回归方法。
- 输入：实例的特征向量，对应于特征空间的点
- 输出：实例的类别，可以取多类
- 假设：给定一个训练数据集，其中的实例类别已定。
- 分类：对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k近邻法不具有显式的学习过程。
- k近邻法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。
k近邻法1968年由Cover和Hart提出。
1. k近邻算法
2. k近邻模型
k值的选择、距离度量及分类决策规则是k近邻法的三个基本要素。
3. 实现方法, kd树
