概念：
商业哲学家 Jim Rohn 说过一句话，“你，就是你最常接触的五个人的平均。”那么，在分析一个人时，我们不妨观察和他最亲密的几个人。同理的，在判定一个未知事物时，可以观察离它最近的几个样本，这就是KNN（k-邻近）算法。
K-近邻算法是一种基本分类和回归方法。
K-近邻算法，即是给定一个训练数据集，输入一个新的实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例主要是哪一类别，那么就把该实例分类到这个类中。引用维基百科上的一幅图：
蓝色方块与红色三角形为训练集中的实例，绿色小圆是新输入的实例，现在在现有实例中取K个离小绿圆最近实例用于判断其类别。
- 当K=3时，所取实例在实线圆内，红三角占比最大，将新输入实例归为红三角一类。
- 当K=5时，所取实例在虚线圆内，蓝方块占比最大，将新输入实例归为蓝方块一类。
在KNN中存在两个重要问题，一个是K的取值问题，一个是距离计算问题，这里先不做讨论，仅仅引入KNN这个概念，明白它是一个什么东西，在后面文章中我们再对这两个问题进行深入讨论。下文将通过sklearn包来实现KNN。
具体实现：
（一）环境：
语言环境：Python 3.10
编 译 器: PyCharm
**（二）具体步骤：
1.问题背景：
背景： 海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她没有从中找到喜欢的人。经过一番总结，她发现曾交往过三种类型的人：
- 不喜欢的人；
- 魅力一般的人；
- 极具魅力的人。
她现在总结好的数据中（即训练集）包含三种特征： - 每年获得的飞行常客里程数
- 玩视频游戏所耗时间百分比
- 每周消费的冰淇淋公升数
她希望根据现有的数据来判断一个陌生男人会被她归到哪一类。
- 导入数据:
*数据集：类似下面，可以自己造一个
数据标签解释：
- 0：每年获得的飞行常客里程数
- 1：玩视频游戏所耗时间百分比
- 2：每周消费的冰淇淋公升数
- 3：人物类别（不喜欢的人、魅力一般的人、极具魅力的人）
import pandas as pd
data = pd.read_table('./datingTestSet2.txt',
sep='\t',
header=None)
print(data.head()) # 打印数据的默认前5行
X = data.iloc[:, :3]
print(X, X.shape)
y = data.iloc[:, 3]
print(y, y.shape)
3. ** 切分训练集与测试集**:
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,
y,
test_size=0.25,
random_state=3)
- KNN算法模型:
from sklearn.neighbors import KNeighborsClassifier
knc = KNeighborsClassifier()
knc.fit(X_train, y_train)
- 结果预测:
data["预测结果"] = knc.predict(data.iloc[:, :3])
print(data.head(10))
6. 模型评分:
# 模型评分
scoreK = knc.score(X_test, y_test)
print("模型评分:", scoreK)
