原生Python实现KNN算法（使用鸢尾花数据集）

 

一.题目：

原生python实现knn分类算法(使用鸢尾花数据集)

K最近邻(KNN,K-nearestNeighbor)分类算法的核心思想是如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本属于也属于这个类别，并具有这个类别样本上的特性。

即选取k个离测试点最近的样本点，输出在这k个样本点中数量最多的标签。所以要实现kNN算法，我们只需要计算出每一个样本点与测试点的距离(欧式距离)，选取距离最近的k个样本，获取他们的标签，然后找出k个样本中数量最多的标签，返回该标签。

欧式距离：

m维空间的距离公式，d2 = (x1 - y1)2 + (x2 - y2)2  + ... + (xm - ym)2

二.算法设计：

1.导入数据：从CSV中读取数据，并把它们分割成训练数据集和测 试数据集。

数据集获取地址：

https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data

2.计算数据集中训练集数据与测试集两个数据实例之间的距离（欧氏距离）。

3.返回临近确定最相近的N个实例。

4.返回预测结果，对k个近邻进行合并，返回value最大的key