文章目录
前言
核心比喻："近朱者赤，近墨者黑"的空间算法版
想象你在一个美食广场，想猜出自己所在位置的综合香味浓度。你旁边有三个摊位：
烧烤摊：就在你左边1米，香味浓度10级
奶茶店：在你右前方3米，香味浓度3级
臭豆腐摊：在远处10米，臭味浓度8级（负向香味）
你的鼻子闻到的是一个混合味道。但显然，烧烤摊最近，对你鼻子影响最大；臭豆腐虽然味大，但太远了，飘过来已经很淡。
反距离权重法就是数学上的"鼻子"------它会根据距离自动调配不同气味源的"影响力"，算出你位置的综合值。
一、班级里猜你的成绩
- 班里有三个同学知道你的部分成绩：
同桌（距离你1米）：说你数学考了90分
前桌（距离你2米）：说你考了70分
隔壁班的（距离你10米）：说你考了50分
常识：同桌离你最近，最了解你，他的话最可信；隔壁班的基本是瞎猜。
反距离权重法怎么做？
给每人一个"可信度权重"，规则是：可信度 = 1 / 距离²
同桌：1 / (1²) = 1
前桌：1 / (2²) = 0.25
隔壁班：1 / (10²) = 0.01
加权平均计算：
结果85.7分非常接近同桌说的90分，因为他的权重占了绝对优势（约79%）。
二、房产估价
- 你想知道自己房子的单价，但只知道：
隔壁小区（500米）：单价5万
同片区（2公里）：单价4.5万
另一个区（10公里）：单价6万
用反距离权重法算出的价格会更接近隔壁小区的5万。
三、Wi-Fi信号强度
你在房间中间，离路由器近的位置信号强，远的位置信号弱。整个房间的信号强度分布，就可以用反距离权重法估算出来。
四、优缺点
- 优点：
符合直觉------近的东西影响大
计算简单快速
结果一定在已知值范围内 - 缺点：
如果某个区域没有数据点，预测全靠"远亲"，可能不准
容易在数据点密集处形成"孤岛效应"
无法估计预测的可靠性
总结
反距离权重法就像空间里的"人脉关系计算器"------谁离得近，谁的话就更有分量，最终的预测值就是所有已知点的"加权拉票结果"。