K-Nearest-Neighbors

释义 Definition

k-Nearest Neighbors（k-NN，k近邻）：一种常见的监督学习方法，用于分类或回归。它根据样本在特征空间中与“最近的 k 个邻居”的距离（如欧氏距离）来做预测：分类时通常用邻居的多数投票，回归时常用邻居数值的平均（或加权平均）。也常被称为“基于实例的学习/惰性学习”。

例句 Examples

The k-nearest-neighbors model classifies this email as spam.
k近邻模型把这封邮件判定为垃圾邮件。

In high-dimensional data, k-nearest-neighbors can be sensitive to the choice of distance metric and the value of k.
在高维数据中，k近邻对距离度量方式和 k 的取值可能非常敏感。

发音 Pronunciation (IPA)

/ˌkeɪ ˈnɪərɪst ˈneɪbərz/

词源 Etymology

该术语由三部分构成：k（表示邻居数量的参数）、nearest（最近的）、neighbors（邻居/近邻点）。作为机器学习方法的经典形式，源自统计模式识别与“最近邻”分类思想的发展；“k”用于通过取多个近邻来降低单个近邻带来的偶然性。

相关词 Related Words

• Classification
• Regression
• Distance
• Metric
• Euclidean
• Feature
• Training
• Similarity
• Clustering
• Overfitting

文献与作品 Literary / Notable Works

• Cover, T. & Hart, P. (1967) — Nearest Neighbor Pattern Classification（最近邻模式分类的经典论文，奠定了最近邻方法的理论基础）
• Christopher M. Bishop — Pattern Recognition and Machine Learning（《模式识别与机器学习》：常讨论 k-NN 作为基础方法与基线模型）
• Hastie, Tibshirani & Friedman — The Elements of Statistical Learning（《统计学习基础》：介绍最近邻方法及其性质）
• Tom M. Mitchell — Machine Learning（《机器学习》：以入门教材形式讲解 k-NN 等监督学习方法）