30秒でわかる要点
教師あり学習の分類手法。未知のデータに最も近いk個の訓練データを調べ、その多数決でクラスを決める。事前の学習処理がほぼなく、シンプルでわかりやすい。
「k近傍法（k-NN）」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1k-NN（k近傍法）でk値が1の場合と大きな値（例えば50）の場合、それぞれの性質を説明したものとして最も適切なのはどれか。
- k=1は高バイアス、大きなkは低バイアスである
- k=1は過学習しやすく、大きなkは未学習になりやすい
- k=1は計算速度が遅く、大きなkは速い
- k=1は統計的安定性が高く、大きなkは低い
答えと解説を見る
正解：B
k=1は最も近い1つのデータのみで判定するため過学習しやすい。大きなkは多くのデータを平均化するため滑らかな決定境界となり、過度に単純化（未学習）する可能性。
Q2k-NN（k-最近傍法）が分類問題で効果的な理由として最も適切なものはどれか。
- 局所的な構造を利用し、複雑な決定境界を非パラメトリック的に学習できること
- 常に全ての問題で最高精度を達成する
- 計算が極めて高速で、実時間処理に最適
- 訓練データは不要で、テストデータのみで動作する
答えと解説を見る
正解：A
k-NNは、テスト点の最近傍k個の訓練データから多数決で分類。複雑な決定境界を表現でき、非線形問題に有効。ただし、全訓練データを保持する必要があり、大規模データでは計算コストが高い。B、C、Dは誤り。
Q3K-NN を用いた欠損値補完が有効な理由は何か。
- 近傍データの情報を活用し、欠損値の周辺構造を保持し、より現実的な補完値を生成できるためである
- 全体平均値のみ使用
- 局所構造を無視
- 計算が簡単である
答えと解説を見る
正解：A
KNN補完：近傍データで補完。局所構造保持。複雑欠損処理に有効。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く