一、KNN 简介

KNN：K-近邻算法 （K Nearest Neighbor）

算法思想：一个样本最相似的 k 个样本中的大多数属于某一个类别，则该样本也属于这个类别

距离计算：欧氏距离

二、KNN 解决两类问题

分类问题与回归问题

分类流程：

1. 计算未知样本到每一个训练样本的距离
2. 将训练样本根据距离大小升序排列
3. 取出距离最近的 K 个训练样本
4. 进行多数表决，统计 K 个样本中哪个类别的样本个数最多
5. 将未知的样本归属到出现次数最多的类别

回归流程：

1. 计算未知样本到每一个训练样本的距离（欧式距离：对应维度差值的平方和 开平方根）
2. 将训练样本根据距离大小升序排列
3. 取出距离最近的 K 个训练样本
4. 把这个 K 个样本的目标值计算其平均值
5. 作为将未知的样本预测的值

其中K值的选择：需要一些方法来寻找这个最合适的K值 交叉验证、网格搜索

• K值过小 ，过拟合，容易受到异常点的影响，整体模型变得复杂
• K值过大 ，欠拟合，整体的模型变得简单

三 、KNN算法API的使用

首先机器学习的开发环境，安装：基于Python的 scikit-learn 库

分类问题与回归问题

分类问题

'''
分类问题
KNN算法 代码实现步骤1：导包2：创建模型对象3：准备训练集4：准备测试集5：模型训练6：模型预测，并打印结果
'''
# 1：导包
from sklearn.neighbors import KNeighborsClassifier
#2：创建模型对象
estimator = KNeighborsClassifier(3)
#3、准备训练集   列表嵌套   二维  [样本数量,特征数量]
#外层列表  样本数  4个
#内层列表  特征数量  1列
x_train = [[0], [1], [2], [3]]
#一维的   [样本数量]  4个
y_train = [0, 0, 0, 1]
#4、准备测试集  易错点2：注意这里x_test是二维的
x_test = [[4]]
#5、模型训练
#参1：训练集特征  参2：训练集标签
estimator.fit(x_train, y_train)
#6、模型预测
y_test = estimator.predict(x_test)
#打印结果
print(y_test)

回归问题

'''回归问题'''
#1、导包
from sklearn.neighbors import KNeighborsRegressor
#2、创建模型（算法）对象 注意！！这里是回归问题
estimator = KNeighborsRegressor(2)
#3、准备训练集
x_train = [[0, 0, 1],[1, 1, 0],[3, 10, 10],[4, 11, 12]]
y_train = [0.1, 0.2, 0.3, 0.4]
#4、测试集（x_test）
x_test = [[3, 11, 10]]
#5、模型训练
estimator.fit(x_train, y_train)
#6、模型预测(y_test)
y_test = estimator.predict(x_test)
#打印结果
print(y_test)