KNN 与支持向量机的区别
哪些公司问过
答案要点
- KNN 懒惰学习无显式训练,SVM 先训练出模型
- KNN 按距离取 K 近邻投票;SVM 求最大间隔超平面,只由支持向量决定
- KNN 训练快预测慢、需特征归一化;SVM 训练开销大、预测快
- SVM 用核函数处理非线性、软间隔容忍噪声,对 C、gamma 敏感
- KNN 天然多分类,SVM 原生二分类需组合策略扩展
易错点
- KNN 不做特征归一化,量纲大的特征主导距离
- 认为 KNN 有训练出来的模型参数
- 把核函数理解为必须显式升维计算
面试官常见追问
- KNN 的 K 怎么选?
- SVM 的参数 C 和 gamma 有什么作用?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。