如果 kNN 没有训练阶段，当我们将 .fit() 方法应用于 Scikit-learn 中的 kNN 模型时会发生什么？

Question

由于 kNN 在 RAM 级别同时处理训练和预测，并且不需要明确的训练过程，那么在拟合 knn 模型时究竟会发生什么？我认为这一步与训练模型有关。谢谢。

这是如果我跳过拟合步骤会得到的错误。

NotFittedError: This KNeighborsClassifier instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

示例代码：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import pandas as pd

f=r"aug_train.csv"
df=pd.read_csv(f)

X=df[:90000][["training_hours", "city_development_index"]].values
y=df[:90000]["target"].values

X_train, X_test, y_train, y_test=train_test_split(X,y)

knn=KNeighborsClassifier(n_neighbors=2)
knn.fit(X_train, y_train)
    
yhat=knn.predict(X_test)
print(yhat)

Answer 1

与其他机器学习算法不同，KNN 不会优化成本函数，而是会记住训练数据。当做出预测时，KNN 会将输入与其存储的训练数据进行比较。与查询输入具有最大相似性的数据点的 class 标签作为预测给出。因此，当我们拟合 KNN 模型时，它会学习数据集或将其存储在内存中。

如果 kNN 没有训练阶段，当我们将 .fit() 方法应用于 Scikit-learn 中的 kNN 模型时会发生什么？

What happens when we apply .fit() method to a kNN model in Scikit-learn if kNN has no training phase?

machine-learning

knn

training-data

scikit-learn