Algorytm k najbliższych sąsiadów jest użyteczny szczególnie wtedy, gdy zależność między zmiennymi objaśniającymi a objaśnianymi jest złożona lub nietypowa (np. niemonotoniczna), czyli trudna do modelowania w klasyczny sposób. W przypadku, gdy zależność ta jest łatwa do interpretacji (np. liniowa), a zbiór nie zawiera obserwacji odstających, metody klasyczne (np. regresja liniowa) dadzą zwykle dokładniejsze wyniki.
Przykład klasyfikacji mały|W przypadku k=3 (mniejszy okrąg), zielona kropka zostanie zakwalifikowana do czerwonych trójkątów. W przypadku k=5 (większy okrąg) – do niebieskich kwadratów Każdej danej należy przypisać pewien zestaw cechujących ją wartości, a następnie umieścić ją w -wymiarowej przestrzeni. Chcąc przyporządkować daną do już istniejącej grupy, należy znaleźć najbliższych obiektów w przestrzeni -wymiarowej, a następnie wybrać grupę najbardziej liczną.
Zobacz też regresja
Kategoria:Analiza regresji Kategoria:Klasyfikacja statystyczna Kategoria:Algorytmy