K 近邻算法（K-Nearest Neighbors，简称 KNN）是一种简单且常用的分类和回归算法。

K 近邻算法属于监督学习的一种，核心思想是通过计算待分类样本与训练集中各个样本的距离，找到距离最近的 K 个样本，然后根据这 K 个样本的类别或值来预测待分类样本的类别或值。

KNN 的基本原理

KNN 算法的基本原理可以概括为以下几个步骤：

1. 计算距离 ：计算待分类样本与训练集中每个样本的距离。常用的距离度量方法有欧氏距离、曼哈顿距离等。
2. 选择 K 个最近邻 ：根据计算出的距离，选择距离最近的 K 个样本。
3. 投票或平均 ：对于分类问题，K 个最近邻中出现次数最多的类别即为待分类样本的类别；对于回归问题，K 个最近邻的值的平均值即为待分类样本的值。

KNN 的特点

• 简单易理解 ：KNN 算法的原理非常简单，容易理解和实现。
• 无需训练 ：KNN 是一种"懒惰学习"算法，不需要显式的训练过程，所有的计算都在预测时进行。
• 对数据分布无假设 ：KNN 不对数据的分布做任何假设，适用于各种类型的数据。
• 计算复杂度高 ：由于 KNN 需要在预测时计算所有样本的距离，当数据集较大时，计算复杂度会很高。

KNN 算法的优缺点

优点

• 简单易用 ：KNN 算法的原理简单，易于理解和实现。
• 无需训练 ：KNN 不需要显式的训练过程，所有的计算都在预测时进行。
• 适用于多分类问题 ：KNN 可以轻松处理多分类问题。

缺点

• 计算复杂度高 ：KNN 需要在预测时计算所有样本的距离，当数据集较大时，计算复杂度会很高。
• 对噪声敏感 ：KNN 对噪声数据较为敏感，噪声数据可能会影响预测结果。
• 需要选择合适的 K 值 ：K 值的选择对模型的性能有很大影响，选择合适的 K 值是一个挑战。

KNN 算法的实现步骤

1. 导入必要的库

首先，我们需要导入一些常用的 Python 库，如 numpy 用于数值计算， matplotlib 用于绘图， sklearn 用于加载数据集和评估模型。

实例

2. 加载数据集

我们使用 sklearn 中的 load_iris 函数加载经典的鸢尾花数据集。这个数据集包含 150 个样本，每个样本有 4 个特征，目标是将样本分为 3 类。

实例

3. 数据预处理

在应用 KNN 算法之前，通常需要对数据进行标准化处理，以确保每个特征对距离计算的贡献是相同的。

实例

4. 训练 KNN 模型

接下来，我们使用 sklearn 中的 KNeighborsClassifier 来训练 KNN 模型。这里我们选择 K=3，即选择 3 个最近邻。

实例

5. 预测与评估

使用训练好的模型对测试集进行预测，并计算模型的准确率。

实例

输出如下：

KNN模型的准确率: 0.7556

6. 可视化 KNN 分类结果

为了更直观地理解 KNN 的分类效果，我们可以绘制数据点以及决策边界。

这里我们将数据集的前两个特征作为输入特征。

实例

显示如下所示：

7. 调整 K 值

K 值的选择对模型的性能有重要影响。

通常我们通过交叉验证或可视化方法选择最佳的 K 值。

实例

8. 使用 KNN 进行回归任务

KNN 同样可以用于回归任务（KNN Regression）。

在回归任务中，KNN 根据 K 个最近邻的目标值进行平均来预测输出。

实例

红色为真实值，蓝色为预测值：