k近傍法（k-Nearest Neighbors：k-NN）とは？-AI関連の用語集【クラベルAI】-

k近傍法（k-Nearest Neighbors：k-NN）

k近傍法（k-NN）とは、新しいデータに近いk個の仲間を探し、その多数決で種類を決める手法のことです。「似たものは同じ種類」という素朴な考え方が土台です。学習といえる処理がほぼなく、手元のデータをそのまま覚えておくだけで使えます。数値を予測する回帰にも応用できます。データが増えるほど、答えを出す計算に時間がかかるのが弱点です。

k近傍法（k-Nearest Neighbors：k-NN）関連用語

k近傍法（k-Nearest Neighbors：k-NN）に関連する単語は以下の通りです。

• 分類（Classification）種類を当てる仕事とは？→
• クラスタリング（Clustering）似たものをまとめる方法は？→
• 教師あり学習（Supervised Learning）正解つきで学ぶとは？→
• ハイパーパラメータ（Hyperparameter）kのような設定値の決め方は？→
• データの正規化（Data Normalization）データの大きさをそろえる理由は？→
• レコメンデーションシステム（Recommendation System）似た人から薦める仕組みは？→

k近傍法（k-Nearest Neighbors：k-NN）で知っておくと得する有益情報

k-NNは仕組みが分かりやすく、最初の基準づくりに向きます。使うときの要点を3つにまとめました。

• kの値で結果が変わる小さいと周囲のノイズに敏感に、大きいと細かい違いを見落としやすくなります。
• データの大きさをそろえる項目ごとに単位が違うと、距離が偏ります。事前に大きさをそろえます。
• データが多いと遅い予測のたびに全データとの距離を測るため、大量のデータでは時間がかかります。

kの大きさによる違い

k=3で決まる種類はどれ？

知りたい点の近くに、Aが2つ、Bが1つありました。k=3のとき、種類はどう決まるでしょう。

Aに決まる（多数決で2対1）Bに決まる（一番近い1つだけで決める）AとBの半々になる

最初の基準づくりに使い、kの値は検証データで決めましょう。

k近傍法（k-Nearest Neighbors：k-NN）やさしい解説

近くの仲間で決めるって、どういうこと？

引っ越し先の町で、おすすめのお店を、近所の人3人に聞いて、多い意見に従うようなものです。

自分で調べるより、近くの経験者に聞くという考え方です。

仕事に置き換えると、新規のお客様の傾向を、過去の似たお客様3人の購入履歴から推測する使い方です。難しい計算は不要で、説明もしやすい手法です。ただし、「似ている」の測り方（どの項目を重視するか）で、結果が変わってきます。

k近傍法（k-Nearest Neighbors：k-NN）についてのみんなの疑問

kはいくつにすればよいですか？

まず3から10くらいを試し、検証データで決めます。同数になりにくいよう、2種類の分類では奇数にするのが一般的です。データによって最適な値は異なります。

ほかの手法と比べた強みは何ですか？

仕組みが単純で、結果の理由を説明しやすい点です。事前の学習がほとんどいらないので、試作が早く済みます。最初の基準として使い、他の手法と比べる使い方が定番です。

大量のデータでも使えますか？

データが増えると遅くなるため、工夫が必要です。近い点を素早く探す仕組みや、データの絞り込みを使います。大規模な用途では、他の手法を選ぶほうが現実的です。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方は、ぜひご覧ください。

AI関連の用語集（全用語）気になった言葉は、ここからまとめて探せます。用語集を開く →

この記事は役に立ちましたか？

はい、役に立った いまいち

この記事をシェア

X Facebook LINE はてブ URLをコピー

ブログやSNSで紹介していただくときは、このページのURLをそのままお使いください（リンクはご自由にどうぞ）。

このサイトをホーム画面に追加

分からない言葉が出たとき、すぐ開けます。