Scikit learn 概率是如何在kNN算法中发挥作用的？

kNN似乎比较容易理解：您拥有数据点，并在要素空间中绘制它们（在尺寸为2的要素空间中，其与在xy平面图上绘制点相同）。如果要对新数据进行分类，可以将新数据放在同一个要素空间中，找到最近的k个邻居，然后查看它们的标签，最终选择投票率最高的标签

---

那么概率在哪里起作用呢？我所做的只是计算两点之间的距离，并获取最近邻居的标签

对于新的测试样本，您可以查看K个最近邻并查看它们的标签。 计算每个类中的K个样本的数量，然后将计数除以类的数量

---

例如，假设分类器中有2个类，使用K=3个最近邻，这3个最近邻样本的标签为（0,1,1）-类0的概率为1/3，类1的概率为2/3。

对于新的测试样本，您查看K个最近邻样本并查看其标签。 计算每个类中的K个样本的数量，然后将计数除以类的数量

---

例如，假设分类器中有2个类，使用K=3个最近邻，这3个最近邻样本的标签为（0,1,1）-类别0的概率为1/3，类别1的概率为2/3。

这如何适用于多标签分类？多标签还是多类别？多类别意味着您有几个类别（多于2个）。多标签意味着你有几个标签，每个标签可以有两个或两个以上的类（例如预测客户的年龄和性别）。多标签的后验概率是如何工作的？你可以对每个标签做同样的事情。。。取K个最近的样本，检查它们的标签，并计算这些邻居的概率。这如何适用于多标签分类？多标签还是多类别？多类别意味着您有几个类别（多于2个）。多标签意味着你有几个标签，每个标签可以有两个或两个以上的类（例如预测客户的年龄和性别）。多标签的后验概率是如何工作的？你可以对每个标签做同样的事情。。。取K个最近的样本，检查它们的标签，并计算这些邻居的概率