为什么训练误差会随KNN中的K值变化？

Question

为什么训练误差随KNN算法中的K值增加？

对于k = 1，训练误差为零，因为如果我们获取一个点并确定第一个最近的邻居，则它将是训练数据集中的同一点，因此误差为零。对于k = 2，3 ....，同样的概念应该成立。那么训练误差如何随着K的值而增加？

为什么训练误差在KNN算法中随K的值增加？对于k = 1，训练误差为零，因为如果我们得到一个点并确定第一个最近的邻居，它将是......>

Answer 1

对于k = 1，该算法将选择最接近测试样本的训练样本，因为训练样本中存在测试样本，所以它将自行选择，并且误差将为零，也是拟合模型。而当k = 2时，k = 3或更大，它将寻找可以属于不同组的许多邻居，因此错误率会增加。