我正在使用Weaviate的KNN引擎来执行多类分类，但我不理解：
- 它使用的是哪种KNN
- 是使用简单投票还是距离加权投票
- 它使用余弦距离吗
- 它是用一种方法来寻找可能的邻居，还是用蛮力来寻找所有真正的最近邻居
- 什么是输赢组，它们是如何用于预测新向量的类别的
好问题，让我逐一回答：
它使用的是哪种KNN？
我不完全确定你说的"；什么样的"；，但我认为这将通过剩下的问题得到回答。需要记住的一点是，Weaviate的kNN分类利用了特定类的现有向量索引。因此，根据您是使用自己的矢量还是使用模型进行矢量化，输入参数将决定分类的运行方式。例如，如果您在名为description的text属性上使用text2vec模块，则这些描述将用于查找最接近的匹配项。
是使用简单投票还是距离加权投票？
从v1.8.0开始，这只是简单的投票。距离加权投票可能是未来的一个不错的补充。
它使用余弦距离吗？
如第一个答案中所述，您为类选择的任何设置也将适用于分类。截至v1.8.0，Weaviate通常使用余弦距离，但计划在不久的将来添加其他距离度量。
它是使用一种方法来寻找可能的邻居，还是使用蛮力来寻找所有真正的最近邻居？
与上面类似，它遵循类的设置。通常使用HNSW近似索引。您可以在类级别上调整其参数。
什么是输赢组，它们如何用于预测新向量的类别？
它们是一种工具，可以深入了解为什么分类会产生这样的结果。获胜的小组是"；组"；投票率最高的结果，因此导致该项目被归类为该项目。丢失的组(可以有多个(是可替换的"分组"；组"；没有获得最高票数。了解每一组可能是调整k以用于未来分类的一个很好的见解。