机器学习算法学习kNN（入门）&demo（持续更新）

1.knn算法

（1）基本情况：

（a）算法机制:

给定测试样本x，基于某种距离度量找出训练集中与其最近的k个训练样本，然后基于k个训练样本的标签来对测试样本x进行预测——找到距离x合适距离的k个样本，用k个样本的标签来预测x的标签。

我们要判断 是什么颜色的，找到与其距离最近的5个点，有4个是红色的，有1个是绿色的。因此我们认为 是属于红色的集合。

（b）算法要素：

训练和测试样本的距离（欧式距离）
k值（k个样本）
分类决策规则（样本标签）

（c）算法流程：

1. 计算测试样本x到每个训练样本的距离
2. 按照距离的大小顺序排序
3. 从小到大选取k个距离
4. 统计这k个距离对应的训练样本的标签的频数
5. 频数最高的训练样本的标签为x的标签

（d）算法优点:

精度高，对异常值不敏感，空间复杂度高
缺点：
计算复杂度高，空间复杂度高。

（e）应用：

垃圾邮件过滤，图像特征识别，推荐。
均需要查看大量样本提取特征垃圾邮件关键词，图像关键词，用户特征（训练），根据训练结果进行kNN

（2）分布代码范例1：肿瘤的肿块大小和时间与良性/恶性肿瘤的关系

# raw_data_x是特征，raw_data_y是标签
# 0为良性，1为恶性
raw_data_X = [[3.393533211, 2.331273381],
              [3.110073483, 1.781539638],
              [1.343853454, 3.368312451],
              [3.582294121, 4.679917921],
              [2.280362211, 2.866990212],
              [7.423436752, 4.685324231],
              [5.745231231, 3.532131321],
              [9.172112222, 2.511113104