KNN 算法综述

下面来简单介绍一下现在比较常用的KNN算法，具体如下：

计算机分类在生活中已经运用广泛，在商业经营中，政府决策管理中，科学研究中和工业中等多个领域都有运用。 现在的人们对计算机、手机之类的设备感兴趣，比如手机中的人脸、图片识别，模式识别，扫码，计算机中的空间分类，文本分类，决策树分类（kd-tree），贝叶斯分类，KNN 分类，人工神经网络等技术。

KNN（K-nearestneighbor），即 K-邻近算法是由 Cover和 Hart 于 1968 年提出。所谓 K 最近邻，就是 K 附近的邻居的意思，说的是每个样本都可以用它最接近的 K 个邻居来代表。比如将 20 万张猫的图片和 20 万张狗的图片，输入到计算机让它学习，每一张都不要重复。 训练成功后，你就可以随意选一张图片，让它识别，它就会在它储存 40 万张照片中，判断与它储存的形状最接近的一个，最后显示出结果。

圆圈就像 20 万张猫的图片，方块就像 20 万张狗的图片，以此类推。 X 就相当于你想识别的对象，这时计算机就会将与它距离最近的对象识别出来，给出最终的结果。 再打个比方，我们都说物以类聚，人以群分，判别一个人有什么样的品质特征，常常可以通过他身边的朋友来入手。 KNN 算法也类似，如果我们想判断圆圈属于哪一类数据。若以圆圈为圆心，半径为