使用KNN/SVM进行未知飞行器预测GUI/Qt小白教程

KNN 的全称是 K Nearest Neighbors，意思是 K 个最近的邻居

       KNN算法具体步骤：

（1）计算已知类别数据集中的点与当前点之间的距离；

（2）按照距离递增次序排序；

（3）选取与当前点距离最小的K个点；

（4）确定前K个点所在类别的出现频率；

（5）返回前K个点出现频率最高的类别作为当前点的预测分类。

       在训练分类器时使用交叉验证，其基本思想是将原始数据进行分组，一部分作为训练集，另一部分作为验证集，首先用训练集对分类器进行训练，再利用验证集来测试训练得到的模型，以此来作为评价分类器的性能指标。

       常做K折交叉验证，将数据集分成K份，轮流将其中K-1份做训练，1份做验证，多次的结果的均值作为对算法精度的估计，以求更精确一点。

       距离度量是指算法使用样本间的距离作为样本之间的相似性指标，常用欧氏距离或曼哈顿距离。

       需要用到的第三方库有：pandas、sklearn

       具体实现的步骤有：数据加载、数据预处理（删除重复数据、错误数据、填补空缺值、数据分割、标准化处理）、模型训练（构建模型、模型训练、参数调优）

       在编写代码过程中需要注意的是在读入需要预测的数据之后，也要将其与之前的训练数据一样的标准化。

       可以看一下别人用KNN是怎么做的：