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
在当下数据驱动决策的职场环境中，A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段，小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中，尤其是分类数据的分析场景里，卡方检验和显著性检验是两个高频出现的概念，很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA（Certified Data Analyst）数据分析师的日常业务分析与统计建模工作中，多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时，添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具，Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建，成为数据分析师、业务人 ...
2026-03-23在CDA（Certified Data Analyst）数据分析师的日常工作与认证考核中，分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中，数据清洗是最基础、最耗时，同时也是最关键的核心环节，无论后续是做常规数据分析、可视化报表，还是开展 ...
2026-03-20在大数据与数据驱动决策的当下，“数据分析”与“数据挖掘”是高频出现的两个核心概念，也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA（Certified Data Analyst）数据分析师的全流程工作闭环中，统计制图是连接严谨统计分析与高效业务沟通的关键纽带，更是CDA ...
2026-03-20在MySQL数据库优化中，分区表是处理海量数据的核心手段——通过将大表按分区键（如时间、地域、ID范围）分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域，同比、环比增长率是分析数据变化趋势的核心指标——同比（YoY）聚焦“长期趋势”，通过当前周期与 ...
2026-03-19在数据分析与建模领域，流传着一句行业共识：“数据决定上限，特征决定下限”。对CDA（Certified Data Analyst）数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值，在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案，解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域，高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进，垃圾结果出”，这是数据分析领域的黄金法则，更是CDA（Certified Data Analyst）数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中，决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势，成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中，卡方检验是一类基于卡方分布的假设检验方法，核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中，企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中，订单数据分散在交易平 ...
2026-03-17在数字化时代，数据分析已成为企业决策、业务优化、增长突破的核心支撑，从数据仓库搭建（如维度表与事实表的设计）、数据采集清 ...
2026-03-16在数据仓库建设、数据分析（尤其是用户行为分析、业务指标分析）的实践中，维度表与事实表是两大核心组件，二者相互依存、缺一不 ...
2026-03-16
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
