knn算法，利用numpy简单实现

首先明确概念：
回归：预测体重、预测房价、预测损失。 结果是不容易确定的。

分类：预测男女、预测是否能通过考试 结果是容易确定的。

我的理解：回归针对连续的数据、分类针对离散的数据。 回归连续、分类离散。

classfication和regression的区别：
回归的是求topk的value求平均值；

分类是求topk中出现最多的类别。

例子：预测房价（回归例子）

根据经度、维度->预测房屋价格

numpy中数组的特性：广播效应

减法时会自动匹配每一行/列 

例如：
 

思路：

拿到feature(影响结果的影响因子)与预测的作差平方和 开方 得到欧式距离 然后利用argsort得到下标的升序排序，通过label访问下标的值+k值预测 求得平均值。

包装成函数看看：

 注意：不管是feature/label还是predictPoint这些都是np下的数组 才能使用广播响应。

 为什么这里不使用归一化？

 

因为数据之间差异太大，使得处理后的数据不集中 不好获得理想预测结果。

可以使用标准化来解决一下：

数据标准化的格式，仔细看看有点复杂 但是Python的第三库已经写好了！

 # mean  std 再到result。。。

最后的最后，分享给大家：
数学的学习方法：

试着去理解原理、理解数学背后的原理；

避免抽象数学和理论数学；

结论不靠数学公式证明，靠的是编写程序实验证明。

原理->应用