k最近邻居，其中每个点都是自己的类

Question

我正在尝试根据特征相似性进行推荐，其中我在特征空间中的点代表唯一的类。 本质上，我有数百个表示为低维特征向量的独特项，并且我想按排名顺序找到k个最近邻居，以进行新的观察。

按照惯例，您会找到k个邻居，然后选择其中代表最多的类别。 考虑到每个项目都有自己的类，对我而言这是行不通的。

k NN在这里是错误的方法吗？ 是否有其他家族的算法更适合此类问题？

Answer 1

kNN是否是正确的方法归结为您的类在特征空间中是否被距离度量很好地表征。 您的建议本质上没有错。 您可以简单地将一个唯一的类与每个训练观察值关联起来，然后将kNN应用于k = 1 。

Answer 2

听起来您好像想构建一个推荐系统 ，您可以在其中基于已购买的产品来推荐新产品。 这不是分类问题，因此您不应将其视为一个分类问题。

实际使用哪种方法取决于有关数据，数量，特征表示和其他问题的更多详细信息。 推荐系统通常是一个较棘手的问题，它们具有简单的分类和更细微的问题。 本课程可能对您有帮助。