K-Nearest Neighbors

Definition / 定义

k-nearest neighbors（KNN，k近邻）：一种常见的监督学习方法，用于分类或回归。它通过在特征空间中找到与待预测样本距离最近的 k 个样本，再用这些“邻居”的标签（分类）或数值（回归）来进行预测。常见距离度量包括欧氏距离、曼哈顿距离等。（也常写作 **k-nearest neighbour(s)**，英式拼写为 neighbour。）

Pronunciation / 发音

/ˌkeɪ ˈnɪərɪst ˈneɪbərz/

Examples / 例句

I used k-nearest neighbors to classify emails as spam or not spam.
我用 k 近邻算法把邮件分类为垃圾邮件或非垃圾邮件。

Because k-nearest neighbors relies on distance, feature scaling can strongly affect its accuracy.
由于 k 近邻依赖“距离”，特征缩放会显著影响它的准确率。

Etymology / 词源

该术语由 k（表示“取多少个”，即邻居数量）+ nearest（最近的）+ neighbors（邻居）组成，是对方法机制的直观描述：用“最近的 k 个邻居”来决定预测结果。作为机器学习术语，它在统计学习与模式识别文献中逐步固定下来，常缩写为 KNN。

Related Words / 相关词

• Classification
• Regression
• Supervised
• Feature
• Distance
• Similarity
• Euclidean
• Metric
• Clustering
• Nearest-Neighbor

Literary Works / 著作例证

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）
• Pattern Recognition and Machine Learning（Christopher M. Bishop）
• Machine Learning（Tom M. Mitchell）
• Introduction to Machine Learning（Ethem Alpaydin）
• Hands‑On Machine Learning with Scikit‑Learn, Keras & TensorFlow（Aurélien Géron）