老师，这个K值到底是如何计算出来的呢？文章里说一个一个试试，那试的标准是什么？

老师的讲解让我一下子对算法的理解有了思路，核心原理，应用场景，优缺点，而且通过场景代入，容易理解，但是有一点，对于成熟的主流电商系统，其推荐算法应该比这个要复杂很多吧，如果有类似拆解的课程就更完美啦

数据量 大 怎么界定

电商平台里那种看过此商品的人还喜欢XXX这种场景是通过KNN算法推荐

对K的取值说的不清不楚。如果是二分类问题，恐怕这个k只能取奇数吧，不然出现两个分类各占半的情况如何进行分类？

老师你好，“所以，对于 K 的取值，一种有效的办法就是从 1 开始不断地尝试，并对比准确率，然后选取效果最好的那个 K 值。” 请问这句是不是这样理解：这是个调参过程，是不是用已知的样本来计算，从而选取效果最好的那个K值，然后用这个K值预测未知样本的分类？ 毕竟不知道未知样本是哪个分类，因而也不清楚它的分类是否正确。

各种推荐场景如视频推荐，音乐推荐，商品推荐。

K 近邻算法，如何定义“最近”，或者说是距离，可能是算法准确与否的关键。 虽然 KNN 相对比较简单，不过只要有效果，也没什么不可以。可能最终还是要看数据的情况，以及模型的检验结果。 对于 Kd-tree，二维或者三维的分割比较容易理解，但是更高维度的，就想象不出来了。 如果在高德地图上找最近的 ATM 机，使用的是 Kd-tree 或者 KNN 么？

KNN算法可以用于寻找认知边界，兴趣边界。通过研究学习兴趣相似的同学的学习内容，可以实现个性化的学习内容推荐。