KNN算法生活中案例的具体实现（超详细）

 一、现实场景

       现在有很多大学里出现室友矛盾，假如室友可以选择:    大学里面 ，对于校方，把类型相同的学生放在一个寝室，在基于大二大三大四的，现已存在一个数据文件datingTestSet2.txt ，为历年大学生的调查问卷表

第1列：每年旅行的路程

第2列：玩游戏所有时间百分比

第3列：每个礼拜消耗零食的重量

第4列：学生所属的类别，1表示爱学习，2表示一般般，3表示爱玩。 目的为学生在大学中挑选室友的信息

二、代码实现

          1.加载数据集：使用np.loadtxt函数加载数据文件datingTestSet2.txt（点击可以下载），并将存储为numpy数组

import numpy as np
import matplotlib.pyplot as plt
data = np.loadtxt('datingTestSet2.txt')

        2.划分特征和标签：将数据集中的前三列作为特征，最后一列作为标签

x = data[:,:-1]    
y = data[:,-1] 

        3.构建KNN模型：使用KNeighborsClassifier类构建KNN分类器，并指定邻居数量。

from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=5)
neigh.fit(x, y)

        4.打印预测值，并得到反馈

print(neigh.predict(np.array([[42667,13.276360,0.543881]])))