原生python实现knn分类算法

一． 作业题目

邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。

二． 算法设计

1. 实现原理：
   为了判断未知样本的类别，以所有已知类别的样本作为参照，计算未知样本与所有已知样本的距离，从中选取与未知样本距离最近的K个已知样本，根据少数服从多数的投票法则（majority-voting），将未知样本与K个最邻近样本中所属类别占比较多的归为一类。

2. 算法设计思路：
   a) 生成鸢尾花数据集
   b) 编写knn算法代码
   i. 计算两点之间的平方距离
   ii. 投票机制（将两点间的平方距离进行排序）
   iii. 添加推测值
   iv. 使用推测值计算精度
   c) 输出精度结果

三． 源代码

1. train_test.py

from knn import *
from sklearn.datasets import load_iris
iris_dataset = load_iris()
print("key of iris_dataset:\n{}".format(iris_dataset.keys()))

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dat