分类算法有很多，贝叶斯、决策树、支持向量积、KNN等，神经网络也可以用于分类。这篇文章主要介绍一下KNN分类算法。
1、介绍
KNN是k nearest neighbor 的简称，即k最邻近，就是找k个最近的实例投票决定新实例的类标。KNN是一种基于实例的学习算法，它不同于贝叶斯、决策树等算法，KNN不需要训练，当有新的实例出现时，直接在训练数据集中找k个最近的实例，把这个新的实例分配给这k个训练实例中实例数最多类。KNN也成为懒惰学习，它不需要训练过程，在类标边界比较整齐的情况下分类的准确率很高。KNN算法需要人为决定K的取值，即找几个最近的实例，k值不同，分类结果的结果也会不同。
2、举例
看如下图的训练数据集的分布，该数据集分为3类（在图中以三种不同的颜色表示），现在出现一个待分类的新实例（图中绿色圆点），假设我们的K=3，即找3个最近的实例，这里的定义的距离为欧氏距离，这样找据该待分类实例最近的三个实例就是以绿点为中心画圆，确定一个最小的半径，使这个圆包含K个点。
如图所示，可以看到红圈包含的三个点中，类别2中有三个，类别3有一个，而类别1一个也没有，根据少数服从多数的原理投票，这个绿色的新实例应属于2类。
3、K值的选取。
之前说过，K值的选取，将会影响分类的结果，那么K值该取多少合理。我们继续上面提到的分类过程，现在我们把K设置为为7，如下图所示：
可以看到当k=7时，最近的7个点中1类有三个，2类和3类都有两个，这时绿色的新实例应该分给1类，这与K=5时的分类结果不同。
K值的选取没有一个绝对的标准，但可以想象，K取太大并不能提高正确率，而且求K个最近的邻居是一个O(K*N)复杂度的算法，k太大，算法效率会更低。
虽然说K值的选取，会影响结果，有人会认为这个算法不稳定，其实不然，这种影响并不是很大，因为只有这种影响只是在类别边界上产生影响，而在类中心附近的实例影响很小，看下图，对于这样的一个新实例，k=3,k=5,k=11结果都是一样的。
最后还有注意，在数据集不均衡的情况下，可能需要按各类的比例决定投票，这样小类的正确率才不会过低。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
MySQL 服务器内存碎片：成因、检测与内存持续增长的解决策略 在 MySQL 运维中，“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测：核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师：驾驭通用与场景指标，解锁数据驱动的精准路径 在数据驱动业务的实践中，指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中，AB 实验系统（负责验证业务优化效果）与业务系统（负责承载用户交互与核心流程）并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析：6 步闭环，让数据驱动业务落地 在企业数字化转型中，CDA（Certified Data Analyst）数据分析师的核心价值，并 ...
2025-09-23CDA 数据分析师：以指标为钥，解锁数据驱动价值 在数字化转型的浪潮中，“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时，一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域，“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时，默认指 ...
2025-09-22CDA 数据分析师：参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下，数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升：机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中，“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka：数据生态中两类核心工具的差异与协同 在数字化转型加速的今天，企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师：让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师：表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据（如数据库表、Excel 表、CSV 文件）是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换：从基础用法到实战优化 在 SQL Server 的数据处理中，日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率：打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中，“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et：理性预期算子的内涵、作用与应用解析 动态随机一般均衡（Dynamic Stochastic General Equilibrium, DSGE）模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确：TIF 中的地名有哪两种存在形式？ 在开始提取前，需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师：解锁表结构数据特征价值的专业核心 表结构数据（以 “行 - 列” 规范存储的结构化数据，如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值？详解 dropna 函数的功能与实战应用 在用 Python（如 pandas 库）处理 Excel 数据时，“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验：差异、适用场景与实践应用 在数据分析与统计学领域，假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
