KNN算法需要归一化

Question

为什么KNN需要正常化？我知道这个过程将所有特征对结果的影响归一化，但是归一化之前与特定点V的“K”最近点将完全相同，因为归一化后“K”最接近特定点V.因此，关于欧几里德距离的归一化会有什么不同。毕竟KNN完全取决于欧几里德距离？提前致谢 ！

Answer 1

如果您在不同维度上具有不同的可变性，则大多数标准化技术将改变'K'最近邻居。

想象一下A =（ - 5,0），B =（ - 5,1）和C =（5,1）的数据集。现在考虑一个兴趣点（4.5,0）。显然，C是最近的邻居。

在两个维度中最小 - 最大归一化到（-1,1）之后，您的数据集变为A =（ - 1，-1），B =（ - 1,1），C =（1,1）。您的兴趣点对应于此新空间中的（0.9，-1）。因此，A现在是最近的邻居。