摘要：前两天刷视频平台找片，突然跳出个标着"未知类型"的电影。点开简介啥都没有，光知道评分7.8分。这时候才想起之前学过KNN算法可以预测分类，就试了试。其实这算法就是找最近的邻居，看邻居都是啥类型就跟着整，简单来说就是跟着"熟人"走。

前两天刷视频平台找片，突然跳出个标着"未知类型"的电影。点开简介啥都没有，光知道评分7.8分。这时候才想起之前学过KNN算法可以预测分类，就试了试。其实这算法就是找最近的邻居，看邻居都是啥类型就跟着整，简单来说就是跟着"熟人"走。

我把电影的各种特征列出来，比如时长、导演风格、主演名单这些。然后按距离公式算它和其他已知类型电影的距离。距离越近说明越像。举个例子，假设现在算到第9号电影，就得把它的各项数值跟所有其他电影比一遍。

但是问题来了，定k值多大会最准？如果选k等于5，那要看最近的五个电影是什么类型。要是k太大，好几部科幻片里夹个文艺片，那结论就不对了。反过来k太小更容易被局部影响，比如旁边两部喜剧片就乱套。

现在机器学习系统都在用这方法推荐。比如你总看爱情片，它就会找和你历史记录最近的其他用户，看你爱看的类型然后给你推送。不过有时候推荐特别奇怪，可能是因为k设得不合适，或者有的用户数据不够详细。

越多人参与反而可能出岔子。比如某部悬疑片被很多人标记过，周围邻居太多就会压倒其他类型。但冷门电影呢，附近没几个同类，反而容易被带偏。还有时候特征太多会导致计算量爆炸，像算一千部电影之间的距离就要花好多时间。

跟电商打过交道的人应该懂，淘宝推荐经常出错也是这个道理。他们后台可能也在调k值，或者改换计算方式。有次我买背包，系统突然给我推婴儿车，后来发现是因为当天很多人同时看了婴儿车和我的背包型号，算法就把这俩算邻居了。

真正好用的系统肯定做了很多优化。比如用树结构提前筛选邻居，不用每次都全算一遍。不过基础原理还是那个逻辑——看谁离得最近。现在明白为啥有些智能推荐特别准，有些特别坑了，都是k值和数据质量在捣乱。

最后说个怪事，用KNN给那部未知电影分类时，k=3算出来是奇幻片，k=5突然变悬疑。难怪有人说这算法不稳定，得根据情况反复试才行。总之就是靠着邻居家的数据瞎猜，有时候准，有时候也靠运气。

来源：电子小课堂一点号