KNN原理及python实现(kd树)

• 前面说的话

觉得自己完全看懂和做出来是两回事，希望自己可以坚持将机器学习算法基本都复现出来，并有时间进行时间空间复杂度的优化，用matlab梳理完思路后有时间再用python写一遍，毕竟我是一个厉害的小女子哈哈哈。
如果你阅读我的文章有什么疑问，或是任何学术讨论，欢迎和我交流：[e-mail]

---

• k近邻法原理

训练集是很多有特征有label的数据，当送进来一个没有label的数据需要判断时，选训练集中k个和这个数据最相似的数据，再将这k个数据的label以某种规则赋值给这个测试数据（比如规则为出现最多的label）。

这里的“相似“就是用距离进行度量。（欧式距离，曼哈顿距离等等）使用不同的距离确定的最近邻点是不同的，最后得到的label肯定也是不同的。

所以我们可以总结出，knn算法的三个基本要素是：

1. k值的选取
2. 距离的度量方式
3. 分类决策规则

当这三个要素确定之后，模型完全确定，对于任何一个新的输入实例，它所属的类唯一确定。

k值的选择
k值的选取对knn的结果造成了较大的影响，如果k取的很小，那么只有和测试数据非常近的数据才能对结果产生影响，对近邻数据点非常敏感，但是如果此时近邻数据是噪声，那么就会造成过拟合。
也就是说，k值越小，建立的模型越复杂，越容易发生过拟合，k值越大，建立的模型越简单，即会选择性地丢掉一些信息，k值最大就是选取整个训练数据集中数据个数N，这时不管测试数据是什么都会被判定为训练数据集中最多label 的那个（假设决策规则是少数服从多数原则），这时的模型过于简单，完全没有考虑到值得考虑的因素。

在实际中，k一般取一个比较小的数值，通常采用交叉验证法来选取最优的k值。

---

• k近邻法的实现：kd树

kd树的构建和搜索
这篇博文写的非常清楚。

• 使用kd树结构完成knn算法matlab实现