Part1-Chapter2-k-近邻算法

工作原理：
我们有一批已知其分类的训练样本集，当输入测试样本时，我们通过计算某一测试样本与所有训练样本的距离，最终确定k个离该测试样本最近的训练样本点。这k个点里出现最多的类，就作为该测试样本的类。

书中给了三个例子，一个是理论上的k-近邻算法实现；一个是利用约会网站数据计算匹配度；一个是识别手写数字。

因为我还并不熟悉numpy的函数，所以这章是先看懂书上的代码，然后凭记忆将其复现。代码都不算难，主要收获是认识了挺多函数。

以下为收获的函数：
tile()：非常形象。函数的形参是两个，一个普通变量和一个数组变量。函数的作用即是用前者作为肉，填充后者的骨。
x**n：表示x的n次方
argsort()：顺序排列数组中数据，并将其对应的索引值存储为一个数组。
get(key,default=null)：得到key对应的值，否则给出default值。
sorted()：对字典进行排序。
iteritems()：将一个字典以列表的形式返回。
itemgetter(x)：获得对象x位置的值。
strip()：去除某符号，无形参则去除回车。
split(x)：将数据用x分开。
raw_input()：将输入数据作字符串处理。
listdir()：返回指定文件夹包含的文件或文件夹名。