Tag: k-nearest-neighbors-metric-learning
-
【AI 核心深度 M2-047】描述 KNN 的算法流程与复杂度。（Describe the K-Nearest Neighbors (KNN) Algorithm Workflow and Computational Complexity）深度数理推导与工程落地解析
找最近 k 个邻居投票；预测 O(nd)（暴力）或 O(d log n)（KD 树/近似索引），训练 O(1)。
-
【AI 核心深度 M2-048】K 的取值如何影响偏差与方差？（Explain How Hyperparameter K Governs the Bias-Variance Tradeoff in K-Nearest Neighbors）深度数理推导与工程落地解析
K 小 → 低偏差高方差（对噪声敏感）；K 大 → 高偏差低方差（过度平滑）。
-
【AI 核心深度 M2-049】为什么 KNN 需要特征缩放？不同距离度量有何差异。（Explain Why KNN Strictly Requires Feature Scaling and Contrast Common Distance Metrics）深度数理推导与工程落地解析
距离对量纲敏感，需标准化；欧氏/L1/余弦/马氏距离适应不同数据结构。
-
【AI 核心深度 M2-051】解释维度灾难对 KNN 的具体影响。（Explain the Curse of Dimensionality and Its Pathological Consequences on Distance-Based Models）深度数理推导与工程落地解析
高维下最近邻与最远邻距离趋同，’最近’失去区分度，需要样本量指数增长。