算法：分类-有监督-K最近邻（KNN）

KNN：k-Nearest Neighbour，分类算法中最简单的算法之一，其核心思想是如果离某一个样本最近的k个样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。KNN不但可以预测分类，还可以做回归分析（预测具体的值）。

有 N 个已知分类结果的样本点，对新记录 r 使用KNN将其分类的步骤：
Step1：确定 k 值，确定计算距离的公式，比如欧氏距离
Step2：计算 r 和其他样本点之间的距离$d_{ir}$，其中$i\in (1,N)$
Step3：找到目前和 r 最接近的k个样本
Step4：将这 k 个样本中最多归属类别的分类标签赋予新记录 r，分类结束

常见的距离计算公式：
欧氏距离：$d_{ij}=\sqrt{(x_i-x_j{)}^2+(y_i-y_j{)}^2}$
曼哈顿距离：$d_{ij}=|x_i-x_j|+|y_i-y_j|$
余弦相似度：$d_{ij}=cos(\overrightarrow{OA},\overrightarrow{OB})$

K 的取值不宜过大，一般使用交叉验证来确定，本例中选择 k=10；

使用公式$d_{ij}=\sqrt{(x_i-x_j{)}^2+(y_i-y_j{)}^2}$计算 r 和所有样本点的距离；
将得到的距离升序排列，选出其中 k 个最小的距离，作为KNN样本；

统计样本分类，确定 r 的分类。

KNN的优缺点：

• 优点
  • 原理简单，容易理解，容易实现
  • 重新训练代价较低
  • 时间、空间复杂度取决于训练集（一般不算太大）
• 缺点
  • KNN属于lazy-learning算法，得到结果的及时性差
  • k值对结果影响大（试想一下k=1和k=N的极端情况）
  • 不同类记录相差较大时容易误判
  • 样本点较多时，计算量较大
  • 相对于决策树，结果可解释性不强