‘’我像谁我就是谁‘’，对于像谁，所做的就是距离的问题。
这个红色的点，所占的假设K=7。那么KNN算法就会找到与它距离最近的七个点（这里用圆圈把它圈起来了），看看哪种类别多一些，绿色占比多则它属于绿色一类。
所以knn算法集中在两个点，K值的选取和点距离的计算。
回想一下高中的距离公式：
欧式距离计算公式：
这个是点到点之间的距离（很熟悉吧）
在多维空间的实现就是：
累加的过程
知道了原理，开始写一个KNN类。
KNN代码实现
利用交叉验证测其准确率
选取鸢尾花数据集
归一化：把所有特征数据归一化到同一量程范围，去量纲
最值归一化->统一到0-1之间
均值方差归一化->统一到标准正态分布
选取超参数：
比如：KNN中的k 选小了，会怎麽样？容易过拟合 选大了，会怎么样？容易欠拟合
所以K:平方根，尽可能小，但又不能太小！
最后的结果：
8217
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
