knn四種選擇
auto
ball tree
kd tree
brute（暴力選擇）

KNeighborsClassifier（更常用，適用于均勻采樣數據）
RadiusNeighborsClassifier（非均勻采樣數據）

權重參數weights選項：
uniform（數據的權重全部統一）
distance（與距離成反比）
自定義

維度超過20維使用Ball Tree，20維以下使用KD tree

當數據集小于30的時候，會自動使用brute

intrinsic dimensionality（本征維數）的意思就是
一條數據中非零數據有多少，當維度很大的數據中，本征維度很小的話，那么ball tree和kd tree很小

當K的值和N可比擬時，使用Brute進行暴力搜索更加劃算。

KNN官方文檔中KNN的各章節內容匯總如下：

總結

以上是生活随笔為你收集整理的sklearn中knn的各种用法总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。