第二章K-近邻算法

　　k-近邻算法(kNN),它的工作原理是：存在一个样本数据集合，也称做训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中最相似数据（最近邻）的分类标签。一般来说，我们只选择样本集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后选择k个最相似数据中出现最多的分类，作为新数据的分类

 

 

　　

tile 是重复 上面是test_X在行重复2行，列一次
https://www.cnblogs.com/zibu1234/p/4210521.html
python自带的sum函数（或者Numpy中的sum函数）， 
无参时，所有全加； 
axis=0，按列相加； 
axis=1，按行相加；
https://blog.csdn.net/qq_40130759/article/details/79524733
argsort() 排序 得位置
https://www.jianshu.com/p/a33593a83233
sort
https://www.jianshu.com/p/0d47cf8577b5

min(0)返回该矩阵中每一列的最小值

min(1)返回该矩阵中每一行的最小值

max(0)返回该矩阵中每一列的最大值

max(1)返回该矩阵中每一行的最大值

https://blog.csdn.net/mxhsyyd/article/details/80312045

转载于:https://www.cnblogs.com/xue2567/p/11172444.html