KNN算法在保险业精准营销中的应用

版权所有，可以转载，禁止修改。转载请注明作者以及原文链接。

一、KNN算法概述

KNN是Machine Learning领域一个简单又实用的算法，与之前讨论过的算法主要存在两点不同：

1. 它是一种非参方法。即不必像线性回归、逻辑回归等算法一样有固定格式的模型，也不需要去拟合参数。
2. 它既可用于分类，又可应用于回归。

KNN的基本思想有点类似“物以类聚，人以群分”，打个通俗的比方就是“如果你要了解一个人，可以从他最亲近的几个朋友去推测他是什么样的人”。

在分类领域，对于一个未知点，选取K个距离（可以是欧氏距离，也可以是其他相似度度量指标）最近的点，然后统计这K个点，在这K个点中频数最多的那一类就作为分类结果。比如下图，若令K=4，则?处应分成红色三角形；若令K=6，则?处应分类蓝色正方形。

在回归（简单起见，这里讨论一元回归）领域，如果只知道某点的预测变量$x$，要回归响应变量$y$，只需要在横坐标轴上（因为不知道纵坐标的值，所以没法计算欧氏距离）选取K个最近的点，然后平均（也可以加权平均）这些点的响应值，作为该点的响应值即可。比如下图中，已知前5个点的横纵坐标值，求$x=6.5$时， y