Knn

Knn
原理	（1）为了判断未知实例的类别，以所有已知类别的实例作为参照 （2）选择参数K （3）计算未知实例与所有已知实例的距离 （4）选择最近K个已知实例 （5）根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别
过程	（1）loadDataset:根据split 分为训练集与测试集 （2）duclideanDistance:计算距离 （3）getNeighbors:从训练集里面选出K个离测试集最近的实例，形成邻域 （4）getResponse:对邻域进行分类，并进行排序（reverse:降序） （5）main:会设定k的阈值
调试	（1）IndexError: list index out of range 情况一： index下标越界，那么意思就是list本身没有那么多元素，所以我们在确定index的时候就要用len函数来进行判断一下，确定index的范围，这样就不会出现情况一了。 情况二： list本身为空，那么我们在调用list之前，就应该先判断与一下list是否为空，可以用输出打印来进行判断，或者写一个异常处理，这样就不会让程序直接kill掉，然后再在前面想办法，让我们获取的list不为空。
优点	（1）简单  （2）易于理解  （3）容易实现  （4）通过对K的选择可具备丢噪音数据的健壮性
缺点	（1）需要大量空间储存所有已知实例 （2）算法复杂度高（需要比较所有已知实例与要分类的实例）  （3）当其样本分布不平衡时，比如其中一类样本过大（实例数量过多）占主导的时候，新的未知实例容易被归类为这个主导样本，因为这类样本实例的数量过大，但这个新的未知实例实际并木接近目标样本
疑惑	Response = neighboors[x][-1]   什么意思？ IndexError: list index out of range  没调试出来？