K 近邻：一个新零件该判合格、返修还是报废

术语卡

K 近邻KNN

找最像的 K 个已知样本，按多数投票决定类别。「近朱者赤」：看你身边最近的几个人是什么样。

懒惰学习Lazy Learning

训练时什么都不算，只把样本存起来；来一个新样本才现场比较。样本一多，预测就慢。

欧氏距离Euclidean

两点之间的直线距离，勾股定理算。

曼哈顿距离Manhattan

只能横着走、竖着走的距离，像在棋盘格街道里打车。

特征标准化Standardization

把每个特征减去平均值、除以标准差。不做的话，数值大的特征（几百微米）会把数值小的（几微米）完全淹没。

超参数Hyperparameter

不是从数据里学出来、要人事先定的参数，比如这里的 K。

过拟合Overfitting

K = 1 时一个标错的样本也会圈出一块自己的地盘：把噪声也当成了规律。

留一法Leave-One-Out

每次留一个样本做检验、其余做参考，轮一遍算准确率。用来挑 K 这类超参数。