利用KNN算法计算最近点

      所谓“物以类聚，人以群分”这句话用来描述KNN算法倒是挺合适的，我们用一个人接触的人来判断眼前的人的品行，同样也可以用一个样本点周围的点去评估这个点的性质。

      先介绍一下背景：寻找空间中某一点最近的K点，利用这K个点的“性质”来对目标点进行某些操作。至于为什么要用KNN算法，其实很简单，我利用数组遍历的方式，左边是25000个点，右边是160000个点进行匹配，每一次从左边挑选一个点，计算160000次空间中的最近点，实际测试每秒能够解出大概2个解（我不厚道的笑了），25000/2应该得算几个小时。

 这样计算实际也没有问题，但是看着傻傻的，斯丢皮得，于是花了一点时间学习了一下python的机器学习入门KNN算法。

这里附上学习的视屏链接

[Python实现机器学习算法

T = np.asarray(t)
dis = np.sum(([7.2479,41.0443,-1.5024]-T)**2,axis=1)
index = dis.argsort()

       很核心三条代码，第一行将一个列表数据转换成一个数组，我是用来装匹配的的160000个点，第二行是计算点（7.2479,41.0443,-1.5024）和匹配点之间的距离，这里有的意思的是这个“-”，我觉得速度能够提上来，关键应该在这个，我就是不说，反正原因我知道了，第三行利用numpy.array类型提供的函数argsort(),能够按照从小到大的顺序排列，返回的是原来数组的序号。 

要寻找最近的K个点，你切个片就ok了，perfect