问K近邻算法疑点

EN

我是人工智能的新手。我理解K近邻算法以及如何实现它。但是，如何计算不在标尺上的东西的距离或重量呢？

例如，年龄的距离可以很容易地计算出来，但是如何计算红色和蓝色的距离呢？也许颜色是一个不好的例子，因为你仍然可以说使用频率。比方说汉堡、披萨、薯条怎么样？

我有预感有个聪明的办法。

提前感谢您的关照。

编辑:感谢所有人非常好的回答。这真的很有帮助，我很感激。但我在想，一定有一条出路。

我可以这样做吗？假设我正在使用我的KNN算法来预测一个人是否会在我的餐厅用餐，该餐厅提供上述所有三种食物。当然，还有其他因素，但简单地说，就最喜欢的食物而言，在300人中，150人喜欢汉堡，100人喜欢披萨，50人喜欢薯条。常识告诉我，最喜欢的食物会影响人们是否吃东西的决定。

因此，现在一个人输入他/她最喜欢的食物作为汉堡，我将预测他/她是否会在我的餐厅用餐。忽略其他因素，根据我(训练)之前的知识库，常识告诉我，与进入披萨或薯条相比，这一特定领域最喜欢的食物的k个最近邻居的距离更近的可能性更高。

唯一的问题是，我使用了概率，我可能是错的，因为我不知道，也可能无法计算实际距离。我也担心这个领域会给我的预测增加太多/太少的权重，因为距离可能不会与其他因素(价格、时间、餐厅是否客满等我可以很容易量化的因素)一起衡量，但我猜我可以通过一些参数调整来绕过它。

哦，每个人都提出了一个很好的答案，但我只能接受一个。那样的话，我明天就接受得票率最高的那个。再次感谢你们。