ML：Scikit-Learn 学习笔记（1） --- Nearest Neighbors 最近邻 综述

Scikit-Learn 学习笔记（1） — Nearest Neighbors 最近邻 综述

1 前言

最近在做机器学习的作业，要用到Scilit-Learn这个东西，由于我这个人功利性比较明显，让我看那文档着实不爽，因为看了就过了。。所以我又来写博客了，发挥我这学期看到什么就写什么的热情。

这个笔记我想做成的形式就是挑选的翻译+理解的形式，所以真的是笔记哦

2 综述

在scikit-learn当中，最近邻的相关代码在 sklearn.neighbors 这里面，提供了有监督和无监督的最近邻学习方法。在机器学习中，无监督的最近邻思想是很多其他算法的重要基础，尤其是流行学习(manifold learning 链接1），和谱聚类（Spectral Clustering 链接），而有监督的最近邻则主要有如下两个用途：对离散标签的归类，和对具有连续标签（取值）的回归。

最近邻的核心思想是，对于需要预测的点（空间上的），找到和他距离最近的几个点，并根据这几个点的类别来对新的点做预测。关于这些点的数量，可以是用户自定义，因此就有了KNN（K-nearest neighbor learning），或者是基于当前点的密度来确定（基于半径的最近邻 radius-based neighbor learning）。另一个重要的话题是如何衡量点与点之间的距离，通常上说呢，几乎任何的方式都是可行的，不过一般来说，欧几里得距离