第十章 KNN算法
K近邻算法（K-Nearest Neighbors，KNN）是一种基本的分类与回归方法，属于监督学习算法。
其核心思想是通过计算给定样本与数据集中所有样本的距离，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当前样本的类别或值。
工作原理
计算距离：计算待分类样本与训练集中每个样本的距离。
选择K个近邻：根据计算的距离，选择距离最近的K个样本。
投票或平均：
-
分类任务：统计K个近邻各类别的数量，将待分类样本归为数量最多的类别。
-
回归任务：取K个近邻的平均值作为预测结果。
关键参数
距离度量方法：选择合适的距离度量方法，常见的有欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离等。
K值：K值的选择对结果影响很大。
- K值过小容易过拟合
- K值过大则可能欠拟合。
优缺点
KNN优点：
-
简单直观，易于理解和实现。
-
无需训练过程，直接利用训练数据进行预测。
KNN缺点：
-
计算量大，尤其是训练集较大时。
-
对噪声数据较敏感。
归一化
将数据按比例缩放到一个固定范围（通常是0,1或-1,1)
- 消除量纲差异：不同特征的单位或量纲可能差异巨大（例如身高以米为单位，体重以千克为单位），归一化可消除这种差异，避免模型被大范围特征主导。
- 加速模型收敛：对于梯度下降等优化算法，归一化后特征处于相近的尺度，优化路径更平滑，收敛速度更快。
- 适配特定模型需求：某些模型（如神经网络、K近邻、SVM）对输入数据的范围敏感，归一化能显著提升其性能
标准化
将数据调整为均值为0、标准差为1的标准分布。
-
适应数据分布：将数据转换为均值为0、标准差为1的分布，适合假设数据服从正态分布的模型（如线性回归、逻辑回归）。
-
稳定模型训练：标准化后的数据对异常值的敏感度较低（相比归一化），鲁棒性更强。
-
统一特征尺度：与归一化类似，标准化也能消除量纲差异，但更关注数据的统计分布而非固定范围。