《机器学习实战》-KNN算法心得

@[TOC]《机器学习实战》-KNN算法心得)

准备开始在CSDN上用博客记录学习心得，同时也分享一些其中自己产生的脑洞（想法）
PS：第一次在CSDN上写，还不习惯这个编写方式

在写之前说一下，因为书里很多代码在python3以后都会编译错误，所以关于《机器学习实战》的总结，不会具体分析代码，代码问题在overstackflow或者matplotlib官网都能搜索到。

KNN是处理分类问题的，而且是监督的，即需要预先认为的给出一些已知类别的数据供KNN计算。其中对一个物体，需要人为的分成多个属性，并求出每个属性的值。它对属性的值要求可以是连续也可以是离散的。

书里介绍的KNN算法算是全书中最好理解的一部分了。其核心理论是将类别的多个属性看做是多维空间的参数，将已经识别的类数据库根据属性的值放置在这个多维空间中，然后用未知类别物体的属性值与已知的各个点进行距离计算（sqrt（x1^2+x22+x3^2……）），离得最近的点的类别就是这个未知类别物体的类别，当然，考虑到可能存在的误差，它取了前K个最近距离点，统计其中出现的类别次数，并返回出现次数最多的类别。

关于空间距离的说法，在很多机器学习的论文里，都会提到多维或者超维或者降维的问题，因为当初学线性代数的时候一上来就是行列式，所以以前没理解，后来看了一本《introduce to Linear algebra》（强烈推荐），上面一开