k 最近邻算法 (k-NN) 是一种用于分类和回归任务的监督学习算法。它是一种非参数算法，不对底层数据分布做出任何假设。
在 k-NN 中，该算法根据某种相似性度量（通常是欧氏距离）选择与给定测试点最近的 k 个数据点。然后使用这些选定的数据点来预测测试点的类别或值。
例如，在具有两个类的分类任务（例如二元分类）中，测试点的预测类是 k 个最近邻中的多数类。在回归任务中，预测值是 k 个最近邻值的平均值。
k 的选择（要考虑的邻居数量）是一个超参数，可以对其进行调整以优化给定任务的性能。
Publication date: