什么是K近邻?
K近邻一种非参数学习的算法，可以用在分类问题上，也可以用在回归问题上。
- 什么是非参数学习？
一般而言，机器学习算法都有相应的参数要学习，比如线性回归模型中的权重参数和偏置参数，SVM的C和gamma参数，而这些参数的学习又依赖一定的学习策略。相比较而言，k近邻算法可以说是最简单，也是最容易理解的一种机器学习算法了。 - K近邻算法思想？
具体而言，在一个待测试样本周围找K个最近的点，然后根据这k个点进行决策，如果是分类问题，决策结果就是K个点中出现最多的类别；如果是回归问题，结果值为K个点目标值的均值； - 那么K值怎么选？
K值的选择会对k近邻算法的结果产生重大的影响。
具体怎么解释呢？以特殊情况入手来说，如果k值最小，等于1，这就意味着说，每次在对输入实例进行预测时，只考虑与其最近的实例，预测结果与最近的这个实例点密切相关，如果这个点恰巧为噪声点，就会出现误判，同时这样也会导致模型的过拟合，复杂度增加；如果K取值变得很大，等于N（训练实例总数），最后，无论距离度量方式是怎样的，最后的结果都是训练实例中出现最多的类，模型变得异常简单，预测时只要总是输出最多的类就可以了。
总体而言，如果k值太小，就相当于用较小的邻域中的训练实例进行预测，“学习”的近似误差会减小，缺点是“学习”的估计误差会增大，预测结果会对近邻的实例点非常敏感，如果近邻的实例点恰巧是噪声就会出错。换句话说，k值的减小意味着整体模型变复杂，容易发生过拟合；
如果k值太大，就相当于用较大的邻域中的训练实例进行预测，优点可以减小学习的估计误差，缺点是学习的近似误差增大，与输入实例较远的训练实例也会对预测起作用，使预测发生错误，k值的增大意味着整体模型变得简单。如果k=N，那么无论输入实例是什么，都将简单的预测它属于在训练实例中最多的类，模型过于简单，完全忽略训练实例中的大量有用信息。 - “最近”如何确定？
距离度量方式，一般通过计算欧几里得距离进行比较，当然也有别的选择，如：曼哈顿距离，cos值等等； - 最终结果怎么确定？（分类决策规则）
一般都是采用投票法，在选择的k个近邻点的标签值中，选择出现频率最高的作为输入实例的预测值。
总体而言，在数据集一定的情况下， K近邻算法的表现如何主要取决于上面提到的三个要素：K值的选择，距离度量的方式和分类决策规则。
算法描述
对未知类别属性的数据集中的每个点依次执行以下操作：
- 计算已知类别数据集中的点与当前点之间的距离；
- 按照距离递增次序排序；
- 选取与当前点距离最近的k个点；
- 确定前k个点所在类别的出现频率；
- 返回前k个点出现频率最高的类别作为当前点的预测分类。
优点
算法简单 ，模型容易理解，没有学习训练过程，通常情况下不需要做很大调整就有着不错的表现；因此通常用作一个问题的baseline（最差、最基本的解决方案）
局限性
- 当实例特征过多，或者实例中大部分为稀疏特征时，模型表现并不如意；
- 当数据集过大时，分类过程变得十分缓慢；
因此实际过程中，只能用来处理一些小数据集，同时数据特征不多的情况，并不常用！