机器学习9-K近邻算法工作原理

知识点九：K近邻算法工作原理

1、工作原理介绍

存在一个训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前K个最相似的数据，这就是K近邻算法中K的出处，通常K是不大于20的整数。最后，选择K个最相似数据中出现次数最多的分类，作为新数据的分类。

2、原理背后的数学知识

训练数据是什么结构呢？见下图的表格：

从上图可以看出来：

（1）X1,
X2…X5和Y1是一种依赖关系，依赖就是函数，而函数也就是模型。

（2）X1,
X2…X5是特征，从数学的角度来看，它们都是向量X的分量，再此，引出了向量概念，注意以后很多的场景都会用到向量这个概念。

（3）如果Y1和Y2是同一事物，那么各个特性之间的差别是零。如果Y1和Y2是相似事物，那么各个特性之间的差别是近似零。根据这个道理可知，Y1和Y2相差的程度，是通过各个特征相减来度量的，也就是欧式距离：