В каких случаях метод K ближайших соседей особенно эффективен?

Метод K ближайших соседей (kNN) особенно эффективен в следующих случаях:

• При небольших и средних объёмах данных. stepik.org Высокая вычислительная сложность метода возрастает с увеличением объёма данных и размерности признакового пространства. stepik.org
• В задачах классификации на большое число классов, когда число представителей каждого класса мало. deepmachinelearning.ru Метод легко подхватывает основные паттерны в данных, запоминая примеры каждого случая. deepmachinelearning.ru
• В онлайн-обучении, когда данные поступают динамическим потоком и быстро устаревают, например, при автоматической торговле на бирже. deepmachinelearning.ru Для этого в качестве обучающей выборки нужно учитывать только те объекты, которые недавно пронаблюдали. deepmachinelearning.ru

Однако стоит учитывать, что kNN чувствителен к шуму в наборе данных, пропускам и выбросам, поэтому необходимо провести предварительную подготовку, в частности, заполнить пропуски, удалить выбросы и нормализовать обучающий датасет. bigdataschool.ru