AI 只有"神经网络"这一种玩法吗?

有些简单却好用的经典算法,靠的是"看邻居"和"按远近分堆",压根不需要神经网络。这节课你会:亲手用K近邻(KNN)给新数据归类,再看AI怎么按你指定的堆数,把一堆没有标签的点归成几堆。
先猜一猜:如果来了一个没见过的新数据,最简单的判断方法可能是什么?
选一个你的猜测,不用担心对不对
① KNN:看看谁离得最近
红点是"🏃运动社",蓝点是"📚读书社",灰色虚线点是刚转来的新同学——拖动K值滑杆,看离新同学最近的几个邻居,多数属于哪个社团。
🏃 运动社 📚 读书社 ❓ 新同学
拖到 K=5 试试,看结果会不会不一样
② 聚类:把相近的点归成几堆
这些点还没有任何标签。先选你想分成几堆,再点"开始分堆",看AI怎么把每个点归到离它最近的"堆心"。(这里的堆心是预先放好的简化版——真实的聚类算法会自己一步步挪动堆心去找位置。)
先选分几堆,再点按钮看看结果
③ 想一想 🤔
KNN 和聚类,最大的不同是什么?
你学会了两种不用神经网络的分类思路!
这节课你做到了:
1亲手用K近邻(KNN)判断新同学该归到哪个社团
2亲手指定要分几堆,看AI把没有标签的点按"离哪个堆心最近"归成几堆
3明白这些经典算法简单、可解释性强,很多场景依然好用
看看谁离得最近,或者自动分堆
AI 不止神经网络一种玩法——这些经典算法不靠"大脑网络",靠的是简单直接的距离计算,一样能完成分类和分组的任务。
KNN:看谁离得最近来判断类别。
进阶说法:K-Nearest Neighbors,非参数化分类算法,基于特征空间距离投票决策。
进阶说法:K-Nearest Neighbors,非参数化分类算法,基于特征空间距离投票决策。
深入一点:KNN 是谁最早提出的?
K近邻算法最早由统计学家 Evelyn Fix 和 Joseph Hodges 在1951年一份美国空军技术报告里提出——是机器学习历史上最早的分类方法之一,比很多现在流行的神经网络方法都要早几十年。
深入一点:"自动分堆"这个思路是怎么来的?
最常用的聚类算法之一叫 k-means:贝尔实验室的 Stuart Lloyd 早在1957年就为通信编码问题设计出雏形(1982年才正式发表论文),1967年詹姆斯·麦奎因(James MacQueen)提出了"k-means"这个名字——直到今天,它依然是数据分析里最基础常用的算法之一。
经验 +15
金币 +7
懂原理 +1