如果 kNN 没有训练阶段，当我们 apply.fit() 方法到 Scikit-learn 中的 kNN model 时会发生什么？

Question

由于 kNN 在 RAM 级别处理训练和预测，并且不需要显式的训练过程，所以在安装 knn model 时究竟会发生什么？ 我认为这一步与训练 model 有关。 谢谢你。

如果我跳过拟合步骤，这是我会得到的错误。

NotFittedError: This KNeighborsClassifier instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

示例代码：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import pandas as pd

f=r"aug_train.csv"
df=pd.read_csv(f)

X=df[:90000][["training_hours", "city_development_index"]].values
y=df[:90000]["target"].values

X_train, X_test, y_train, y_test=train_test_split(X,y)

knn=KNeighborsClassifier(n_neighbors=2)
knn.fit(X_train, y_train)
    
yhat=knn.predict(X_test)
print(yhat)

Answer 1

与其他机器学习算法不同，KNN 不会优化成本 function 而是记住训练数据。 当做出预测时，KNN 将输入与它存储的训练数据进行比较。 给出与查询输入具有最大相似性的数据点的 class label 作为预测。 因此，当我们拟合 KNN model 时，它会在 memory 中学习或存储数据集。