文档摘要

2.4 KNN：K 值、距离与慢的代价 本节摘要：K 近邻是唯一「零训练」的主流分类器：把全部算力推迟到预测时刻，用最近的 K 个邻居投票。追问集中在三处——K 怎么选、距离怎么定、预测为什么慢以及慢怎么办。它同时是讲「维度灾难」和「决策边界复杂度」的最佳教具。 这一节与前几节气质不同：KNN 没有损失函数、没有训练过程、没有参数估计，恰恰因为「什么都没做」，它的每个设计选择都裸露在追问之下。它也给了我们一个干净的参照系——后面第 2. 会员。《2.4 KNN：K 值、距离与慢的代价》收录于灏天文库文集《机器学习算法面试题精选与解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/543-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E9%9D%A2%E8%AF%95%E9%A2%98%E7%B2%BE%E9%80%89%E4%B8%8E%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流