基于K-近邻算法的约会网站用户预测

基本步骤流程：

1. 收集数据
2. 数据归一化
3. 使用KNN算法进行测试 

本例来自Peter Harrington编著的《机器学习实战》， 书中配套代码放在GitHub上《机器学习实战》

约会数据放在文本文件datingTestSet.txtz中，有需要的可以联系，每个样本数据占一行，总共有1000行。每个样本包括3个特征：

• 每年飞行的旅程数
• 玩游戏所耗时间百分比  
• 每周消费的冰淇淋公升数

 分类结果有三类：

• 1代表没有魅力
• 2代表有一点魅力
• 3代表十分有魅力

1.新建KNN.py文件

1.1将文本文件转换为数组：

import numpy as np
#文本文件转换为计算机认识的数据格式
def file2matrix(fileName):
    f = open(fileName)
    arrayLines = f.readlines()#读出所有行
    lenLines = len(arrayLines)#有多少行
    dataSet = np.zeros((lenLines,3))
    labels