K 近邻回归（K-Nearest Neighbors Regression）是一种基于实例的回归算法，用于预测连续数值型的输出变量。它的基本思想是通过找到与给定测试样本最近的 K 个训练样本，并使用它们的输出值来预测测试样本的输出。它与 K 最近邻分类类似，但是用于解决回归问题而不是分类问题。

K 近邻回归算法的基本步骤：

1. 数据准备：首先，我们需要准备训练集和测试集的特征数据和对应的目标变量。特征数据可以包括数值型、分类型或二元型的特征。目标变量是我们要预测的连续数值。
2. 选择 K 值和距离度量方法：K 值是指选择的最近邻居的数量，通常通过交叉验证等方法来选择最优的 K 值。距离度量方法用于计算样本之间的距离，常见的方法有欧氏距离、曼哈顿距离等。
3. 计算距离：对于给定的测试样本，我们计算它与训练集中所有样本的距离。距离的计算方法取决于选择的距离度量方法。
4. 选择最近的 K 个邻居：根据距离的计算结果，选择与测试样本最近的 K 个训练样本作为邻居。可以使用排序算法（如快速排序）来加快寻找最近邻居的过程。
5. 预测输出：对于回归问题，根据这 K 个邻居的输出值，可以采用平均值或加权平均值作为预测输出。通常，距离较近的邻居会被赋予更高的权重。
6. 模型评估：使用回归评估指标（如均方误差、平均绝对误差等）来评估模型的性能。可以使用交叉验证等方法来获取更准确的模型评估结果。

需要注意的是，K 值的选择对算法的性能有重要影响。较小的 K 值会导致模型过拟合，而较大的 K 值可能会导致模型欠拟合。因此，通常需要通过交叉验证等方法来选择最优的 K 值。

K 近邻回归算法的基本思想就是，在给定一个新的数据点，它的输出值由其 K 个最近邻数据点的输出值的平均值（或加权平均值）来预测。

简单地说，KNN 回归使用多个近邻（即 k > 1）时，预测结果为这些邻居的对应目标值的平均值。

KNN 回归也可以用 score 方法进行模型评估，返回的是 $R^2$ 分数。$R^2$（R-squared）分数也叫做决定系数，是用来评估模型拟合优度的指标，它表示因变量的方差能够被自变量解释的比例。$R^2$ 的取值范围在 0 到 1 之间，越接近 1 表示模型对数据的拟合越好，即模型能够解释更多的因变量的方差。当 $R^2$ 接近 0 时，说明模型无法解释因变量的方差，拟合效果较差。简单地说，$R^2=1$ 对应完美预测，$R^2=0$ 对应常数模型，即总是预测训练集响应（y_train）的平均值。

$R^2=1-(SSR/SST)=1-\frac{\sum _{i=1}^n(y_i-y_i^{\prime }{)}^2}{\sum _{i=1}^n(y_i-y_{mean}{)}^2}$

其中，$y$ 为实际观测值，$y^{\prime }$ 为预测值，$y_{mean}$ 为实际观测值的均值。

SSR 与 SST：

• SSR（Sum of Squares Residual）为残差平方和，表示模型预测值与实际观测值之间的差异。
• SST（Total Sum of Squares）为总平方和，表示实际观测值的方差。

一般来说，KNN 分类器有 2 个重要参数：邻居个数以及数据点之间距离的度量方法。在实践中，使用较小的邻居个数（比如 3 个或 5 个）往往可以得到较好的结果，但在不同问题中应根据具体情况调节这个参数。数据点之间的距离度量方法默认使用欧式距离，它在许多情况下的效果都很好。

如果训练集很大（特征数很多或样本数很大），KNN 模型的预测速度可能会比较慢。
使用 KNN 算法时，对数据进行预处理是很重要的。
这一算法对于有很多特征（几百或更多）的数据集往往效果不好，对于大多数特征的大多数取值都为 0 的数据集（所谓的稀疏数据集）来说，这一算法的效果尤其不好。

在 sklearn 中调用 KNN 回归模型：

from sklearn.neighbors import KNeighborsRegressorreg = KNeighborsRegressor(n_neighbors=3)
reg.fit(X_train, y_train)
y_pred = reg.predict(X_new)