为什么训练误差随KNN中K值的变化而变化

Question

为什么KNN算法中的训练误差会随着K值的增加而增加？

对于k=1，训练误差为零，因为如果我们取一个点并确定第一个最近邻居，它将是训练数据集中的同一点，所以误差为零。同样的概念应该适用于k=2，3……依此类推。那么为什么训练误差会随着K 的值而增加呢

Answer 1

对于k=1，算法将选择最接近测试样本的训练样本，因为测试样本在训练样本中，它将自己选择，并且误差将为零，也是过拟合模型。而当k=2、k=3或更大时，它将寻找可以属于不同组的许多数量的邻居，因此错误率增加。