SPSS 命令: SPSS KNN
在浏览器中做最近邻元素分析（KNN）
最近邻元素分析根据训练样本中 k 个最相似的个案，对每个个案进行分类或数值预测。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 在你的设备上运行 SPSS KNN，提供调整归一化、欧氏或城市街区距离、V 折交叉验证选择 k、可选的前向特征选择，以及随机保留样本上的误差率。
- 使用所选特征时，目标的分类准确度（错误百分比）或预测精度（平方和误差与相对误差）。
- 哪个 k 最合适：设定范围内每个 k 的交叉验证误差。
- 哪些特征重要：来自前向特征选择和预测变量重要性图。
- 模型在哪些类别之间容易混淆：见训练与保留样本的分类表。
适用场景
适合使用
- 根据少数几个画像变量将新受访者分配到已有细分中，且不假定线性边界。
- 在拟合 Logistic 或判别模型之前，作为一个快速且假设较少的基准模型。
- 以相似个案的平均值或中位数预测一个连续值（消费、得分）。
改用其他方法
- 需要解释每个预测变量如何影响结果：KNN 不提供系数；请使用 Logistic 回归或决策树。
- 存在大量无关特征：距离会被噪声淹没；请开启特征选择或先做降维。
- 必须考虑调查权重：KNN 不使用个案权重，面板会给出提示。
- 训练样本很小，尤其是某些类别只有少数个案时。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开文件并切换到“统计”模式。
- 02
选择最近邻元素分析
在“机器学习”组中选择“最近邻元素分析”（KNN）。
- 03
设置目标和特征
在“变量”中选择“目标测量级别”（分类（分类预测）或标度（数值预测））、“目标”，以及“分类特征”和“标度特征”；保持勾选“标准化标度特征（调整归一化）”。
- 04
设置近邻
在“近邻”中保持勾选“自动选择 k”并设置“最小 k”“最大 k”，或取消勾选并设置“近邻数（k）”；选择欧氏距离或城市街区距离，可选勾选“计算距离时按重要性加权特征”。
- 05
特征选择与分区
可选勾选“执行前向特征选择”并设置“停止规则”。在“分区”中设置“训练样本（%）”“交叉验证折数”和“随机种子”，然后点击“运行”。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
150 名模拟客户，特征为年收入（千元）、收入中用于消费的比例（%）和套餐档位（basic、plus、pro），目标为三类客户细分（储蓄型、均衡型、消费型）。按带种子的随机分区，约 70% 个案为训练样本，30% 为保留样本。
| 设置 | 值 |
|---|---|
| 最近邻数（k） | 5 |
| 距离 | 欧氏距离 |
| 模型中的特征 | income, spend_share, plan |
| 训练 — 错误百分比 | 28.2% |
| 保留 — 错误百分比 | 27.7% |
训练个案由其最近的其他训练个案预测（留一法）；保留个案由训练个案预测。
| k | 错误百分比 |
|---|---|
| 3 | 31.0% |
| 4 | 36.9% |
| 5 | 29.0% |
| 6 | 33.0% |
| 7 | 31.9% |
| 8 | 32.9% |
| 9 | 32.9% |
误差为 5 个交叉验证折的平均值；并列时取较小的 k。
| 观测值 | 均衡型 | 储蓄型 | 消费型 | 正确百分比 |
|---|---|---|---|---|
| 均衡型 | 7 | 1 | 4 | 58.3% |
| 储蓄型 | 1 | 10 | 0 | 90.9% |
| 消费型 | 7 | 0 | 17 | 70.8% |
| 总百分比 | 31.9% | 23.4% | 44.7% | 72.3% |
结果解读
在 k = 3 至 9 之间做 5 折交叉验证，选中 k = 5。使用该 k 值，47 名保留客户中有 27.7% 被错误分类（正确率 72.3%），训练样本的留一法误差为 28.2%。保留个案没有参与 k 的选择，因此保留样本误差才是模型在新客户上表现的可靠估计。
输出表格说明
- 个案处理摘要
- 训练和保留样本中的个案数、有效个案数，以及因目标或特征缺失而被排除的个案数。
- 模型摘要
- 所用 k 值、距离、模型中的特征，以及训练样本（留一法）和保留样本的误差：分类目标为错误百分比，标度目标为平方和误差。
- 分类
- 观测类别 × 预测类别的计数及正确百分比，分别针对训练和保留分区（分类目标）。
- k 选择误差记录
- 每个候选 k 的交叉验证误差（各折平均）；并列时取较小的 k。开启特征选择时为训练样本的留一法误差。
- 特征选择误差记录
- 特征进入的顺序及每一步后的误差，随后给出预测变量重要性图。
前提假设与注意事项
- 相似的个案具有相似的目标：所选特征上的距离必须对该问题有意义。
- 启用调整归一化时，标度特征按训练个案缩放到 −1…1，避免某个特征因单位而占主导；分类特征采用 one-of-c 编码。
- 目标或任一特征缺失的个案被排除；不使用个案权重。
- 训练误差按留一法计算；保留样本误差才是对新个案表现的可靠估计。
结果如何验证
KNN 与一个 Python 参考实现对照：该实现在独立编码的矩阵上用 scikit-learn 的暴力 NearestNeighbors 查找近邻，并重新实现 SPSS 的投票、平局处理、Laplace 概率、k 选择和特征选择规则。在固定 k、城市街区距离下交叉验证选 k、两种停止规则、按重要性加权以及标度目标的均值或中位数预测等情形下，近邻集合与预测类别完全一致，概率与误差至少在小数点后 8 位一致。 验证证据（英文）
常见问题
k 是如何选择的？
勾选“自动选择 k”时，从“最小 k”到“最大 k”的每个值都在训练个案上做 V 折交叉验证评分，误差最小者胜出，并列时取较小的 k。随机种子保证折划分可重现。
欧氏距离还是城市街区距离？
欧氏距离是默认选项，适合大多数数据。城市街区距离对绝对差求和，因此某个特征上的大差距所占分量比欧氏距离下小；可两者都试，比较保留样本误差。
为什么训练误差和保留样本误差接近？
训练个案按留一法预测——每个个案由其最近的其他训练个案预测——因此训练误差不会因个案把自己当作近邻而虚假地完美。
KNN 能预测数值型目标吗？
可以。将“目标测量级别”设为“标度（数值预测）”，预测值为 k 个近邻的平均值或中位数，面板报告平方和误差和相对误差。
我的数据会被上传吗？
不会。距离计算、交叉验证和特征选择都在浏览器的 Web Worker 中运行。
相关过程
- 朴素贝叶斯NAIVEBAYES
- 多层感知器MLP
- 判别分析DISCRIMINANT
- 二元 Logistic 回归LOGISTIC REGRESSION
- 决策树（CHAID、CRT）TREE
- K-均值聚类QUICK CLUSTER
- 免费的 SPSS 替代工具：支持范围
用你自己的数据运行最近邻元素分析（KNN）
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。