【JAVA实现】K-近邻（KNN）分类算法

       KNN算法属于监督学习算法，是一种用于分类的非常简单的算法。简单的说，KNN算法采用测量不同特征值之间的距离方法进行分类。具体算法如下：

       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

       这次的数据集来自《机器学习实战》一书的约会网站配对这一案例。格式如下：

       这四列依次为：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；以及对该对象的评价。为了将最后一项评价也转换成数字，我定义的规则为：didntLike为1；smallDoses为2；largeDoses为3；共900条训练数据，另准备了100条相同格式的测试数据用于最后计算错误率。

       将这三维数据集任取两列作得散点图如下：

       取不同的特征，最后呈现的效果也不同。但从上面两图可以看出，实验用的数据集呈现聚类现象，利于做分类。

package knn;

/**
 * @author shenchao
 * 
 * 		封装一条数据
 *
 */
public class Data implements Comparable<Data>{
	
	/**
	 * 每年获得的飞行常客里程数
	 */
	private double mile;
	/**
	 * 玩视频游戏所耗时间百分比
	 */
	private double time;
	/**
	 * 每周消费的冰淇淋公升数
	 */
	private double icecream;
	/**
	 * 	1 代表不喜欢的人
	 * 	2 代表魅力一般的人
	 * 	3