答：knn 演算法既可以用於分類也可以用於回歸**。然而，業內主要用於分類問題。在評估乙個演算法時，我們通常從以下三個角度出發：1.
模型解釋性2.
運算時間3.
**能力
knn 演算法的原理是什麼？
我們知道樣本集中每一資料與所屬分類的對應關係。
首先要了解 k 在演算法中到底有什麼影響。在前文的案例中，假定總共只有 6 個訓練資料，給定 k 值，我們可以劃分兩個類的邊界。現在讓我們看看不同 k 值下兩個類別的邊界的差異。
仔細觀察，我們會發現隨著 k 值的增加，邊界變得更平滑。當k值趨於無窮大時，分類區域最終會全部變成藍色或紅色，這取決於佔主導地位的是藍點還是紅點。
我們可以通過以下步驟實現 knn 模型:
steps：
複製資料，貼上到text檔案中。重新命名為：
iris.csv （這是excel檔案）
執行後發現：
可以看到，兩個模型都**了同樣的類別(「irisi –virginica」)和同樣的最近鄰([141 139 120])。因此我們可以得出結論：模型是按照預期執行的。
k近鄰演算法 總結
k近鄰法 k nearest neighbor,knn 是一種基本的分類與回歸方法。knn做回歸和分類的主要區別在於最後做 時候的決策方式不同。knn做分類 時，一般是選擇多數表決法，即訓練集裡和 的樣本特徵最近的k個樣本，為裡面有最多類別數的類別。而knn做回歸時，一般是選擇平均法，即最近的k個樣...
k近鄰演算法matlab實現 K 近鄰演算法（一）
k 近鄰演算法是採用不同特徵之間的距離方法進行分類。優點 精度高 對異常值不敏感 無資料輸入假定 缺點 計算複雜度高 空間複雜度高 k 近鄰演算法的一般流程 1 收集資料集 可以使用任何方法 2 準備資料集 距離計算所需要的數值，最好是結構化的資料格式 3 分析資料 可以使用任何方法 4 訓練資料集...
K近鄰演算法總結分析
knn是通過測量不同特徵值之間的距離進行分類。如果乙個樣本在特徵空間中的k個最相似 即特徵空間中最鄰近 的樣本中的大多數屬於某乙個類別，則該樣本也屬於這個類別，其中k通常是不大於20的整數。knn演算法中，所選擇的鄰居都是已經正確分類的物件。該方法在定類決策上只依據最鄰近的乙個或者幾個樣本的類別來決...