一周搞懂一个机器学习算法之最近邻和k近邻Nearest Neighbor&k-Nearest Neighbors

Nearest Neighbor&k-Nearest Neighbors

最近邻是一种十分简单的机器学习算法，既可以应用到分类中，也可以在回归问题中使用，是一种非监督学习方法。

• 原理简介
• 我的理解
• 代码实现

---

k近邻原理简介

对于一个未知类别的样本（分类问题），通过计算找到与它最近的已知类别的样本，将这个已知样本的类别赋予未知样本。扩展到k近邻，就是找到k个与它距离最近的，将它们的类别赋予给这个未知样本。

我的理解

中国有句古话：“物以类聚，人以群分”，老古人多年前就已经悟到了k近邻算法的核心。k近邻算法就是根据未知样本周围的已知样本来进行判断的。k的值选取不同，分类判断的结果也不同。举例来说，小明在上高中，他的两个同桌都是差生，但是他的前后，以及前后的同桌都是好学生，那么用k近邻来判断时，当k=2时，小明就是一个差生（离两个同桌最近）；而当k=8时（前后左右+四个斜边），由于除了俩同桌都是好学生，所以小明被分类为好学生（投票法决定，6>2)。在实际应用中，k值的拿捏很重要，太小，如取一，很可能误差极大（比如离它最近的刚好是一个噪声），太大，又可能仅仅是根据某一类的数目来判断，没有了“最近”的意义，所以一般使用gridsearchcv（网格搜索交叉验证）的方法来选择最优的k值。

那么如何来判断样本的距离呢，我们一般使用曼哈顿距离或者欧氏距离来判断。所谓曼哈顿距离，就是绝对轴距的总和，这样说可能不太明白，用公式写出来就一目了然了，假设有两个点P1和P2，它们在笛卡尔坐标系中的坐标为(x1,y1)和(x2，y2)，那么这两点的曼哈顿距离为：