原生python实现knn分类算法（鸢尾花数据集）

一：作业题目

原生python实现knn分类算法（鸢尾花数据集）

二：算法设计

Knn算法的核心思想：一个样本x与样本集中的k个最相邻的样本中的大多数属于某一个类别yLabel，那么该样本x也属于类别yLabel，并具有这个类别样本的特性。简而言之，一个样本与数据集中的k个最相邻样本中的大多数的类别相同。由其思想可以看出，KNN是通过测量不同特征值之间的距离进行分类，而且在决策样本类别时，只参考样本周围k个“邻居”样本的所属类别。因此比较适合处理样本集存在较多重叠的场景，主要用于聚类分析、预测分析、文本分类、降维等，也常被认为是简单数据挖掘算法的分类技术之一。

在确定训练集是，就要确定训练数据及其对应的类别标签；然后把待分类的测试数据与训练集数据依次进行特征比较；从训练集中挑选出最相近的k个数据，这k个数据中投票最多的分类，即为新样本的类别。

空间距离采用“欧式距离”进行计算，表达式如下：

Knn算法流程图：

Knn算法的优点

（1）理论成熟简单，易于理解及算法实现；

（2） 可以用于多分类分类、回归等；

缺点