第10章（1至3节） 降维

k近邻学习 k近邻（简称kNN）学习是一种常用的监督学习方法，其工作机制是给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。 图10.1给出了k近邻分类器的一个示意图。显然，k是一个重要参数，当k取不同值时，分类结果会有显著不同。另一方面，若采用不同的距离计算方式，则找出的“近邻”可能有显著差别，从而也会导致分类结果有显著不同。 低维嵌入

>>阅读原文<<