k近傍法とは？
けーきんぼうほう
k近傍法（kNN）とは、新しいデータを既存データとの「距離」の近さを基に分類・回帰するシンプルな機械学習アルゴリズムです。
k近傍法（k-Nearest Neighbors、kNN）は、機械学習における教師あり学習アルゴリズムの一つで、新たなデータが入力されたとき、学習データの中から距離が近い上位k件（「k近傍」）を探し出し、その多数決や平均値によって予測を行う手法です。
モデルを事前に構築するのではなく、予測の都度データ全体との距離を計算する「怠惰学習（Lazy Learning）」に分類されます。このため訓練フェーズはほぼゼロですが、予測時の計算コストはデータ量に比例して増大します。
主なポイントは以下のとおりです。
- 距離指標：ユークリッド距離が最もよく使われますが、マンハッタン距離・コサイン類似度なども目的に応じて選択します。
- kの値：小さいほど個々のデータの影響を受けやすく過学習しやすく、大きいほど滑らかになりますが境界が曖昧になります。
- 特徴量スケール：距離計算に基づくため、特徴量の正規化・標準化が精度に大きく影響します。
分類タスク（スパムメール判定・画像認識の初歩）から回帰タスク、さらには推薦システムにも応用されます。アルゴリズムが直感的で実装が容易な一方、高次元データでの精度低下（次元の呪い）と大規模データでの計算コストが課題です。
使い方・例文
花の品種分類データセットで、がく片・花びらのサイズを特徴量としてk=3に設定すると、新しい花のデータに最も近い3件の品種の多数決で品種を予測できます。
この用語をシェア
最終更新: