sklearn中knn的各种用法总结

knn四种选择
auto
ball tree
kd tree
brute（暴力选择）

KNeighborsClassifier（更常用，适用于均匀采样数据）
RadiusNeighborsClassifier（非均匀采样数据）

权重参数weights选项：
uniform（数据的权重全部统一）
distance（与距离成反比）
自定义

维度超过20维使用Ball Tree，20维以下使用KD tree

当数据集小于30的时候，会自动使用brute

intrinsic dimensionality（本征维数）的意思就是
一条数据中非零数据有多少，当维度很大的数据中，本征维度很小的话，那么ball tree和kd tree很小

当K的值和N可比拟时，使用Brute进行暴力搜索更加划算。

KNN官方文档中KNN的各章节内容汇总如下：

来源：CSDN

作者：东方朔盗仙桃

链接：https://blog.csdn.net/appleyuchi/article/details/96318421