Hiperparametr k w algorytmie KNN oznacza liczbę najbliższych sąsiadów ze zbioru uczącego, którzy są brani pod uwagę przy klasyfikacji lub regresji nowego punktu danych. Wartość tego parametru ma kluczowe znaczenie dla działania modelu, ponieważ zbyt małe k może prowadzić do przeuczenia i wrażliwości na szum, natomiast zbyt duże k grozi niedouczeniem i zacieraniem istotnych wzorców. W zadaniach klasyfikacyjnych najczęściej wybiera się liczbę nieparzystą, aby uniknąć remisów podczas większościowego głosowania nad przynależnością do danej klasy. Odpowiedni dobór hiperparametru k odbywa się zazwyczaj empirycznie, na przykład poprzez proces walidacji krzyżowej.
Źródło: geeksforgeeks.org
