我有一个大型数据集，我正在运行k-Nearest Neighbor分类算法。考虑一个场景k = 3，我有一个新的（未分类的）点'x'，我找到3个最近的邻居n1，n2，n3。
问题是如果n1，n2，n3都具有完全相同的特征，即它们是重复的数据点。在我的情况下，这是一个电影数据库，其中n1，n2，n3是三个观看完全相同的电影，相同次数的客户。
那么我必须单独考虑它们吗？或者我应该将它们视为一个数据点并寻找另外两个独特的数据点？
答案 0 :(得分：1)
两者都不比另一个更正确。
在数学上，通常假设具有相同特征的点是相同的点。但是它可能有多个标签和权重，因此处理起来会更加昂贵。
直观地，从数据库视图来看， k 最近邻居应该是 k 对象，无论它们是否相同。事实上 不止一个“乔治布什总统”。为什么合并他们？如果你想要更多的物体，你应该选择更大的k。
选择您喜欢的，但不要假设每个人做出同样的决定。
答案 1 :(得分：0)
这取决于你使用它的目的。
如果您试图查看谁观看了相同次数的相同电影，那么您希望将它们视为离散点，因为尽管它们是重复的点，但它们仍然是最近的邻居。
如果要查看观看电影的次数总和，则应将重复的点视为一个点。
希望这有帮助， --Varun