🔑 名詞卡
KNN（K-Nearest Neighbors，K-最近鄰演算法）
🎯 定義
一種基於實例的學習演算法。對於一個新的輸入樣本，找出訓練集中與其最接近的 K 個樣本（最近鄰），再依此進行分類或迴歸預測。
分類與迴歸的做法差異
| 任務 | 預測方式 |
|---|---|
| 分類問題 | 將新樣本分類為 K 個最近鄰中出現次數最多的類別 |
| 迴歸問題 | 將新樣本的預測值設為 K 個最近鄰的平均值或中位數 |
易混淆
- vs K-Means：KNN 是監督式學習的分類/迴歸演算法（K 代表鄰居數），K-Means 是非監督式學習的聚類演算法（K 代表要劃分的群組數量）——兩者的 K 意義完全不同，是常見混淆點。
📖 課文原文「K-最近鄰演算法（K-Nearest Neighbors, KNN）：屬於一種基於實例的學習演算法，對於一個新的輸入樣本，它會找出訓練集中與其最接近的 K 個樣本（最近鄰）。」
CV 中的角色（中級科目一補充）
在電腦視覺技術演進的「特徵工程主導」時期（1980s–2010），KNN 與 SVM、隨機森林並列為常見的傳統分類器，根據人工設計的手工特徵（邊緣、色彩、紋理）進行影像分類，後被深度學習（CNN）取代。