K 值的选择会对算法的结果产生重大影响 。
K值较小意味着只有与输入实例较近的训练实例才会对预测结果起作用，但容易发生过拟合；如果K值较大，优点是可以减少学习的估计误差，但缺点是学习的近似误差增大，这时与输入实例较远的训练实例也会对预测起作用，使预测发生错误 。
【KNN算法中K是怎么决定的】在实际应用中，K值一般选择一个较小的数值，通常采用交叉验证的方法来选择最优的 K 值 。随着训练实例数目趋向于无穷和K等于1时 ， 误差率不会超过贝叶斯误差率的2倍 ， 如果K也趋向于无穷，则误差率趋向于贝叶斯误差率 。
推荐阅读
- 胡椒粉在烹饪中起什么作用
- 高中复读生的学籍档案怎么处理
- 英国人来中国可以落地签吗
- K线图里的十字星的含义
- keep的中文是什么
- 如何做好鸡翅?
- 胡军中的小明王扮演者是谁啊
- 胡歌高中是文科还是理科还是艺科
- 自己烧烤翅中需要煮熟吗?
- legs的中文怎么解释