机器学习笔记(8)---K-近邻算法(6)---KNN算法学习总结

前言

KNN算法系列文章加上总结共六篇笔记，已全部完成。本篇笔记做一个总结，随手再举个西瓜书上的例子。
转载请注明出处：http://blog.csdn.net/rosetta

总结

实际上KNN算法只要把数据准备好给分类函数就可以了。MLiA中的分类函数是classify0（），sklearn中由neigh.fit(normMat, datingLabels)完成，另外注意下前者直接输入待预测数据，后者通过调用neigh.predict()完成，并没有实际区别。从中也可以发现输入参数都是一样的数据类型，都是ndarray。normMat是样本的属性相关的，datingLabels是每个样本对应的标签，两者0维要一样，即有N条样本就要有N条标签，至于属性个数可大可少。

使用KNN算法对西瓜的好坏进行预测

随便就举个例子，西瓜书上第4页有个表1.1西瓜数据集，里面通过西瓜的一些特征判定其是否是好瓜，我们用KNN实现一个用来预测是否是好瓜代码来做个测试，以巩固所学知识。

原始数据如下：

编号	色泽	根蒂	敲声	好瓜
1	青绿	蜷缩	浊响	是
2	乌黑	蜷缩	浊响	是
3	青绿	硬挺	清脆