Ын Анналин, Су Кеннет

7.3. Пример: истинные 
различия в вине
Вернемся к примеру с вином. Цвет конкретного вина 
можно вывести из цвета других вин со схожим химиче-
ским составом.
Воспользовавшись данными по белым и красным вари-
антам португальского винью-верде («зеленого вина»), мы 
построили график химического состава 1599 красных 
и 4898 белых вин, взяв за оси два ингредиента: хлориды 
и диоксид серы.
Поскольку виноградная кожица содержит более высо-
кую концентрацию таких элементов, как хлорид натрия 

---

112
Глава 7
. 
Метод k -ближайших соседей
(известный как поваренная соль), в красных винах его 
содержание выше. Кроме того, кожица содержит природ-
ные антиоксиданты, препятствующие порче ягод. Из-за 
их отсутствия белое вино требует большего количества 
диоксида серы, выступающего в роли консерванта. В силу 
этих причин красные вина расположились на графике 
с рис. 3 снизу справа, а белые — сверху слева.
Хлориды 
Диоксид серы
Рис. 3. Уровень содержания хлоридов и диоксида серы в белых 
винах (черным цветом) и красных (серым цветом)
Для определения цвета вина исходя из соответствующих 
уровней содержания хлоридов и диоксида серы, можно 
руководствоваться цветом соседних вин, то есть тех, кото-
рые обладают похожим содержанием обоих химических 
компонентов. Сделав это для каждой точки графика, мы 
получаем границы, отличающие красные вина от белых 
(см. рис. 2). В случае идеального обучения (см. рис. 2, b), 
можно предсказать цвет вина с точностью до 98 %.

---

7.4. Обнаружение аномалий
113
7.4. Обнаружение аномалий
Применимость метода k-ближайших соседей не ограни-
чивается предсказанием групп или значений элементов 
данных. Он также может быть использован для обнару-
жения таких аномалий, как выявление подлогов. Более 
того, обнаружение аномалий может привести к ценному 
открытию: нахождению предиктора, который раньше не 
был заметен.
Обнаружение аномалий становится значительно проще, 
если данные могут быть визуализированы. Например, на 
рис. 3 можно сразу увидеть, какие вина сильно отклоня-
ются от кластеров. Однако не всегда возможно визуали-
зировать данные на двумерном графике, особенно в слу-
чаях, когда для анализа есть больше двух предикторных 
переменных. Здесь и помогут такие модели, как метод 
k-ближайших соседей.
Поскольку он использует для прогнозирования законо-
мерности среди данных, погрешности прогнозирования 
служат явным указанием на элементы данных, не укла-
дывающиеся в основные тренды. На самом деле любой 
алгоритм, строящий прогностическую модель, может 
быть использован для поиска аномалий. Так, при регрес-
сионном анализе (глава 6) аномальная точка может быть 
легко найдена, потому что она значительно отклоняется 
от линии наилучшего соответствия.
Если посмотреть на аномалии в примере с винами 
(то есть на ошибочные классификации), мы обнаружим, 

---