sklearn的机器学习之路：k-近邻算法（KNN）

1.什么是K近邻

通俗的将，如果我是一个样本，KNN算法就是找最近的几个样本，看看它们都属于什么类别，然后选择占比最大的类别作为自己的类别。KNN的全称是k-NearestNeighbor，K就是我们要寻找的样本数量，K=1时就是找最近的样本，然后自己的类别就是那个样本的类别。
KNN中还要计算自己与其他样本的距离，这里就有多做距离计算方法（取决于参数 $p \ge 1$）：

• 曼哈顿距离(Manhattan distance)：当 $p = 1$ 时，距离计算公式为：
  L1(xi,xj)=∑l=1N