KNN に学習は必要ですか？

重みの学習はなく、学習データ（train）から最も近い K 個の近傍ラベルの多数決で分類します。クエリ位置が変わると近傍と予測も即座に変わります。

K を大きくするとどうなりますか？

K が小さいと境界がギザギザでノイズに敏感です。K が大きいと滑らかになりますが、クラスが混ざる領域では誤分類しやすくなります。

同じ 2D データでも KNN は距離と多数決のみ、NN 分類器は逆伝播で重みを学習します。2つの Playground を並べて古典 ML と DL の違いを体感できます。

読み込み中…

プレイグラウンド

学習なしで近い K 個の近傍の多数決で分類してみましょう！NN 分類器と同じ K-データセットで古典 ML を比較できます。

近傍 K距離数式を表示

設定の説明

キャンバスをクリックするとクエリ（紫の輪）が移動し、最も近い K 個の近傍に点線が接続されます。

どの K-データセットで分類しますか？

背景=KNN 決定領域 · 点線=近傍接続 · クリック=クエリ位置

キャンバスをクリックしてクエリ位置を変え、近傍を確認してください

テスト精度

0.8167

クエリ予測

負 (−1)

K 票の内訳

+1 / −4