k=1 және үлкен k кезінде ең жақын көршілер (kNN) әдісінің Bias-Variance саудасы.

k жақын көршілер әдісінде (kNN) параметр k қателік пен вариация арасындағы тепе-теңдікке әсер етеді.

• k=1 болғанда, модель өте икемді; ол тек ең жақын мысалды есіне алады. Бұл төмен қателікке әкеледі, себебі модель оқыту деректерін дәл қайталайды, бірақ жоғары вариация — модель шу мен шығу тектеріне сезімтал, бұл жалпылау қабілетін нашарлатады.

• Үлкен k кезінде, модель көптеген көршілер бойынша ортақтастырады, бұл қателікті арттырады (модель тегісірек және деректерге дәл бейімделмеген), бірақ вариацияны азайтады, себебі кездейсоқ шығу тектердің әсері азаяды.

Осылайша, k таңдау — бұл bias пен variance арасындағы компромисс: кішкентай k — төмен қателік, жоғары вариация; үлкен k — жоғары қателік, төмен вариация.