K近邻

组件介绍

**“K近邻”（KNN）**控件主要用于构建K最邻近算法模型。可用于分类任务或回归任务。

KNN是一种基于实例的学习，或者是局部近似和将所有计算推迟到分类之后的惰性学习。最近邻居法采用向量空间模型来分类，概念为相同类别的案例，彼此的相似度高，而可以借由计算与已知类别案例之相似度，来评估未知类别案例可能的分类。

---

• 输入：
  • data：数据集
  • pre: 预处理方法
• 输出：
  • lrn: 在交互页面中配置参数后的KNN学习算法
  • mod: 已训练的模型（仅当输入端data存在时，才会有输出信息）

---

页面介绍

点击**“K近邻”（KNN）**控件查看参数配置页面，如下图所示：

参数选项

选项	说明	取值范围	样例值
模型名称	设置模型名称，用于在其他组件中区分不同的模型	非空字符串	KNN
邻节点个数	邻节点个数	1~100	5
度量	用于距离计算的度量	欧几里得（Enclidean）：“直线”，两点之间的距离 曼哈顿（Manhattan）：所有属性的绝对差之和 切比雪夫（Chebyshev） 马氏距离（Mahalanobis）：点与分布之间的距离	欧几里得
权重	预测中使用的权重函数	统一（Uniform）：每个邻居的所有点都是平等的 距离（Distance）：距离查询点较近的邻节点比较远的邻节点影响更大	统一

KNeighborsClassifier详细参数说明

KNeighborsRegressor详细参数说明

使用案例

在下图所示的案例中，使用**“加载文件”（File）控件加载数据集，连接“K近邻”（KNN）控件进行模型构建，之后把“加载文件”（File）控件以及“K近邻”（KNN）控件与“预测”（Predictions）**控件连接起来查看预测的结果。

案例中加载 iris 数据集，其余参数使用默认值。案例中控件的配置以及执行结果如下图所示。