K近邻解析 统计学习方法 李航

K近邻（knn）是一种基本的分类与回归方法。 k近邻输入的实例为特征向量，输出为实例的类别。可以取很多类。 k近邻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值的选择 距离度量 分类决策规则 是K近邻的三要素。 K近邻算法简单、直观：给定一个数据集，对于新输入的实例，在训练数据集中找到与该实例最近邻的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。 特征

>>阅读原文<<