机器学习-- K-近邻算法（KNN）

一.问题提出

众所周知，电影可以按照题材分类，然而题材本身是如何定义的？怎么来判定某部电影属于哪个题材？动作片中也会存在接吻镜头，而爱情片中同样存在打斗场景，我们不能单纯依靠是否存在打斗或者亲吻来判断影片的类型。但是我们发现爱情片中的亲吻镜头更多，动作片中的打斗场景也更频繁，基于此类场景在某部电影中出现的次数，我们可以通过使用k-近邻算法构造程序，对电影进行分类。

二.K-近邻算法概述

简单来说，K-近邻算法采用不同特征值之间的距离方法进行分类。

优点：精度高、对异常值不敏感、无数据输入假定

缺点：计算量大，空间复杂度高，与决策树模型相比，KNN算法的可解释性不强

适用数据范围：数值型和标称型

三.K-近邻算法的工作原理

K-近邻算法（K-NearestNeighbor）的工作原理：对于一个新样本，K近邻算法的目的就是在已有数据中寻找与它最相似的K个数据，或者说是离它最近的K个邻居，并在这K个数据里进行统计，找到对应数据最多的类别，则该样本也属于这个类别。下面就以刚刚所提出的如何辨别动作片和爱情片为例，对KNN算法进行解释。

电影名称	打斗镜头	接吻镜头	电影类型
California Man	3	104	爱情片
He‘s Not Really into Dudes	2	100	爱情片
Beautiful Woman	1	81	爱情片
Kevin Longblade	101	10	动作片
Robo Slayer 3000	99	5	动作片
Amped ll	98	2	动作片
？	18	90	未知

在KNN算法中，我们采用欧式距离公式,计算出未知电影和已知电影的距离。