为什么我们需要拟合k最近邻分类器？

据我了解，k-NN是一种惰性学习器算法，不需要培训阶段。那么，为什么我们需要.fit()与sklearn一起使用？当我们使用它时会发生什么？

从概念上讲

拟合分类器意味着将数据集作为输入，然后输出分类器，该分类器是从可能的分类器空间中选择的。在许多情况下，通过一组参数来标识分类器（即与其他可能的分类器区分开）。通常通过解决优化问题或某些其他数值过程来选择参数。但是，在knn的情况下，分类器由训练数据本身识别。因此，在抽象级别上，拟合knn分类器仅需要存储训练集。

在实施层面

在新数据点上评估knn分类器需要在训练集中搜索其最近的邻居，这在训练集中较大时可能是一项昂贵的操作。正如RUser所提到的，有多种技巧可以加快搜索速度，通常可通过基于训练集创建各种数据结构来起作用。一般的想法是，分类新点所需的一些计算工作实际上是跨点通用的。因此，这项工作可以提前完成，然后重新使用，而不是针对每个新实例重复进行。使用这些技巧的knn实施将在培训阶段完成这项工作。例如，scikit-learn可以在fit()函数调用期间构造kd树或球树。

$k$

$k$

您可以以一种懒惰的方式实现它，并且在发现语言时可以进行不错的锻炼。（例如，请参阅我的博客文章之一）。但是您也可以为数据建立索引，以进行预测（快得多）。

如果要素空间的维度为1，则根据此要素对点进行排序将有助于您更快地找到邻居（例如，使用示例二分式搜索）。在较大的维度上，排序没有自然的概括，但是您可以使用（按示例）四叉树为点建立索引。

查看源代码，您可以看到scikit learning中已实现了各种方法。并且有一些研究正在不断改进这些最近的邻居查询。

尽管其他回答者提出的观点肯定是有效且有趣的，但我想从严格的软件工程角度出发再指出一件事：

为了使其与他们的API一致

sklearn的Estimators除其他事项外，还应具有一种fit采用一个或两个类似于数组的方法（取决于它是有监督/无监督的估计器）以及许多实现特定的细节（Source）。

因此，即使knn的fit方法绝对绝不做任何事情，它也可能仍然存在，因为knn是估算器，而sklearn的开发人员以及他们贡献的代码都希望估算器具有一种fit方法。