学习机器学习时，我们可能接触到KNN算法，这是一中间的算法，是利用距离来表征两者之间的相似度。这一算法最经典的应用就是给相似人群做推荐系统。这里对算法内容不做详细解释，只是引发两个疑问，和大家一起思考一下。 首先，假设，这是一个电影平台，如果你是Netflix用户，Netflix将不断提醒你：多给电影评分吧，你评论的电影越多，给你的推荐就越准确。现在你明白了其中的原因：你评论的电影越多，Netflix就越能准确地判断出你与哪些用户类似。 第一个问题：在Netflix示例中，你使用距离公式计算两位用户的距离，但给电影打分时，每位用户的标准并不都相同。假设你有两位用户——Yogi和Pinky，他们欣赏电影的品味相同，Yogi给喜欢的电影都打5分，而Pinky更挑剔，只给特别好的电影打5分。他们的品味一致，但根据距离算法，他们并非邻居。如何将这种评分方式的差异考虑进来呢？ 第二个问题：假设Netflix指定了一组意见领袖（类似专业的影评）。例如，Quentin Tarantino和Wes Anderson就是Netflix的意见领袖，因此他们的评分比普通用户更重要。请问你该如何修改推荐系统，使其偏重于意见领袖的评分呢？ 第三个问题：K指的是邻居的数量，那我该选几个比较合适呢？ 解答第一个问题，需要用到数据的预处理手段，就是对两者的数据进行归一化处理（normalization）。你可计算每位用户平均评分，并据此来调整用户的评分。例如，你可能发现Pinky的平均评分为星3，而Yogi的平均评分为3.5星。因此，你稍微调高Pinky的评分，使其平均评分也为3.5星。这样就能基于同样的标准比较他们的评分了。至于什么是归一化处理，可以参考我的另一篇博客https://blog.csdn.net/weixin_42575020/article/details/82944291 解答第二个问题，可在使用KNN时给意见领袖的评分更大权重。假设有3个邻居——Joe、Dave和意见领袖Wes Anderson，他们给Caddyshack的评分分别为3星、4星和5星。可不计算这些评分的平均值 (3 + 4 + 5) / 3 = 4星，而给Wes Anderson的评分更大权重：(3 + 4 + 5 + 5 + 5) /5 = 4.4星。（类似于我们平时说的一票顶三票） 解答第三个问题：如果考虑的邻居太少，结果很可能存在偏差。一个不错的经验规则是：如果有N位用户，应考虑sqrt(N)个邻居。，但也不是绝对，具体可根据实际工作中的需要自己把握。