KNN方法实践

KNN算法易于理解，可以用在归类和回归两种方法上，并且不需要对数据有假设，优点是易于解释，在分类上用到的多，对异常值不敏感，可以去做量化预测信号。

该网站介绍了如何使用sklearn去做KNN模型预测，这个Youtube视频也简单介绍了如何python实现KNN预测：KNN Algorithm - Finding Nearest Neighbors (tutorialspoint.com)Scikit-Learn 8 cross validation 交叉验证1 (机器学习 sklearn 教学教程tutorial) - YouTube

常用的是交叉检验，对K从1到30去找平均score，画图x轴是K，y轴是score，去观察预测是否稳定，分数是否能够保持在较高水平，在量化里是个可以简单尝试的方向。