一算法介绍

K近邻（K-Nearest Neighbors, KNN）是一种基于实例的监督学习算法，适用于分类和回归任务。其核心思想是通过计算待预测样本与训练集中样本的距离，选取距离最近的K个邻居，根据这些邻居的标签进行投票（分类）或均值计算（回归）来预测结果。

二原理

距离度量：常用欧氏距离（Euclidean Distance）计算样本间的相似性，公式为：

，这里表示a,b两点间的距离。其他可选距离包括曼哈顿距离、余弦相似度等。
K值选择：K是用户定义的超参数，影响模型复杂度。较小的K容易过拟合，较大的K可能忽略局部特征。通常通过交叉验证确定最优K值。
决策规则：
- 分类：统计K个邻居中最多数的类别作为预测结果。
- 回归：取K个邻居目标值的平均值作为预测输出。

三具象化

根据上面原理我们知道主要是依据距离来判断的，可能会有点模糊，下面我来举例说明：

在图中表示有多个圈圈，每个圈圈都有各自的价格和颜色。

1 分类

在这个中，这里我们k=4,意思就是找具体他们最近的四个元素，如何找其中一个颜色最多的那个就把我们这个未知的归为那一类，这里我们距离是按坐标算的。我们可以想一下，这里每个圈圈的坐标就是它的特征，如果是其他类型的数据，我们也可以用他们的特征之间的差距，去找临近的一个，如何去分类

2 回归

这个和上面差不多，在找到最近的几个，如何依据他们的值，如何去求平均，就可以得到他们的具体值了。

四代码实现

1 分类

# 导入库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score# 加载数据
iris = load_iris()
X, y = iris.data, iris.target# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)# 创建KNN分类器（K=5）
knn_classifier = KNeighborsClassifier(n_neighbors=5)# 训练模型
knn_classifier.fit(X_train, y_train)# 预测并评估
y_pred = knn_classifier.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"分类准确率: {accuracy:.2f}")  # 示例输出：分类准确率: 0.98[4,11](@ref)

使用sklearn.neighbors.KNeighborsClassifier实现分类。
通过n_neighbors参数控制邻居数量（K值），默认K=5。

2 回归

# 导入库
import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error# 生成模拟数据
np.random.seed(0)
X = np.sort(5 * np.random.rand(100, 1), axis=0)
y = np.sin(X).ravel() + np.random.normal(0, 0.1, X.shape[0])# 划分训练集和测试集
X_train, X_test = X[:80], X[80:]
y_train, y_test = y[:80], y[80:]# 创建KNN回归器（K=3）
knn_regressor = KNeighborsRegressor(n_neighbors=3, weights='distance')# 训练模型
knn_regressor.fit(X_train, y_train)# 预测并评估
y_pred = knn_regressor.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print(f"均方误差(MSE): {mse:.4f}")  # 示例输出：均方误差(MSE): 0.0123[6,7](@ref)

我们会发现，python的sklearn包封装的特别好，我们几乎可以不用了解内部计算过程，只需要他是解决什么问题，有个大致了解就可以使用了。

扩展

我们从sklearn的官网上查看这个，有很多参数，下面我们拓展的讲几项。

KNeighborsClassifier（n_neighbors=5， *， weights='uniform'， algorithm='auto'， leaf_size=30， p=2， metric='minkowski'， metric_params=无， n_jobs=无)[来源]

1 weights权重

这个就是，在我们计算的过程中，某些东西可能影响比较大，那么就会对最终结果印象较大。

用于预测的权重函数。可能的值：

'uniform' ：统一的权重。每个邻域中的所有点权重相等。
'distance' ：按距离的倒数加权点。在这种情况下，查询点的更近邻居将有一个比距离较远的邻居具有更大的影响力。
[callable] ：一个用户定义的函数，它接受距离数组，并返回相同形状的数组包含权重。

不要与最近邻搜索、最近邻插值或 k 均值聚类混淆。

在统计学中，k-最近邻算法（k-NN）是一种非参数监督学习方法。它最初由 Evelyn Fix 和 Joseph Hodges 于 1951 年开发，[1]后来由 Thomas Cover 扩展。[2]大多数情况下，它用于分类，作为 k-NN 分类器，其输出是类成员资格。对象通过其邻居的多个投票进行分类，该对象被分配给其 k 个最近邻中最常见的类（k 是正整数，通常很小）。如果 k = 1，则对象被简单地分配给该单个最近邻的类。

k-NN 算法也可以推广用于回归。在 k-NN 回归（也称为最近邻平滑）中，输出是对象的属性值。该值是 k 个最近邻值的平均值。如果 k = 1，则输出将简单地分配给该单个最近邻的值，也称为最近邻插值。

对于分类和回归，一种有用的技术是为邻居的贡献分配权重，以便较近的邻居比远邻对平均值的贡献更大。例如，常见的加权方案包括为每个邻居提供 1/d 的权重，其中 d 是到邻居的距离。[3]

输入由数据集中最接近的 k 个训练示例组成。邻居取自一组对象，其类（用于 k-NN 分类）或对象属性值（用于 k-NN 回归）已知。这可以被认为是算法的训练集，尽管不需要显式训练步骤。

k-NN 算法的一个特点（有时甚至是一个缺点）是它对数据的局部结构敏感。在 k-NN 分类中，函数仅在局部近似，所有计算都推迟到函数评估。由于该算法依赖于距离，如果特征代表不同的物理单位或尺度差异很大，那么对训练数据进行特征归一化可以大大提高其准确性。[4]