机器学习实战笔记1：K近邻算法详解

一 概述

最近在看《机器学习实战》这本书，书中的代码都是对某种算法在对应应用场景的实现，感觉比大学时代的数据结构或者算法题还要晦涩难懂，只能慢慢学习了，算法这种东西类似做数学题，要多做多练。

K-近邻算法一个典型的应用场景就是在区别电影类别中，比如说根据在电影片段中出现亲吻，打
斗场景来判断电影是否是爱情片或是动作片。

简单来说，K-紧邻算法采用测量不同特征值之间的距离方法进行分类。

二 工作原理

存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

算法步骤为：

1.计算已知类别数据集中的点与当前点之间的距离；
2.按照距离递增次序排序；
3.选取与当前点距离最小的k个点；
4.确定前k个点所在类别的出现频率；
5.返回前k个点所出现频率最高的类别作为当前点的预测分类。

三 代码实例

首先我们先准备一个简单的数据集：

from