k近邻算法python解读_k近邻算法详解及Python实现

k近邻算法详解及Python实现

之前写了一篇文章关于K近邻算法(KNN)，且在文中对于使用Python来实现KNN给了详细的解释。但总感觉少了些什么，下面我们就用简单的语言来探讨KNN算法的原理，这篇文章深入浅出的介绍了KNN算法，同时对于Python学的不好的同学呢也有照顾，因为你将会看到简单的Python实现KNN。原因在于我们采用Scikit learn，在scikit learn 中，KNN已经被封装好了，我们需要做的仅仅是调用。。。调用。。调用。。重要的事情说三遍。

关于KNN呢，因为它简单有效同时易于理解，常常作为我们进入机器学习领域的入门算法。虽然KNN算法较为简单，但是其中也蕴含着丰富的机器学习概念！！！本文主要从以下几个方面解释：

什么是KNN

KNN中的关键概念

使用KNN进行分类

什么是KNN

K近邻又称KNN，是一种常用的分类方法，同时也可以用于回归。下面我们通过一个例子来解释KNN的用处。(例子来源于算法图解)假如我们有一堆水果，里面包含橙子和柚子(橙子：小而黄，柚子大而红)。如果我们已经知道这一堆水果的具体类别，那么对于一个新的水果，我们该怎样对其分类。

很多人会说直接用眼睛看就行了，这种方法也可以，同时几乎不可能出错。但是我们现在考虑的问题是有没有一种识别的机器可以直接对水果进行分类(直接由机器得到水果的类别)。答案是肯定的。因为如果都是橙子的话，那么他们的大小应该差不多，同样颜色应该也是类似的。换句话说，如果我们把水果的特征(大小和颜色)进行量化以后，橙子与橙子的特征的相似度应该大于橙子与柚子，这样我们可以根据待分类水果与哪