K最近邻(K-Nearest Neighbors,简称KNN)是一种基本的分类与回归方法。它属于无参模型,也就是说它不会从数据中学习参数,而是在测试样本到来时,通过在训练集中找到离它最近的k个样本,然后用这k个样本的标签进行投票,得到测试样本的分类。
虽然KNN不需要显式的训练过程,但是它在使用之前需要一个训练集作为参考。这个训练集包含了特征和相应的标签,用于在预测时找到最近的邻居样本。
所以,KNN分类器是需要一个训练集的。在训练集上,KNN不进行显式的训练过程,而是将训练集的样本和标签保存下来,以便在测试样本到来时进行比较和分类。
简而言之,KNN分类器在预测时不需要显式的训练过程,但它仍然需要一个训练集来作为参考。