机器学习基础--kNN算法

一、kNN算法介绍

首先先介绍下kNN算法，有这么一个场景给定了肿瘤块的大小和时间的一组数据，其中每一组数据对应一个结果数据，即恶性还是良性。这么一组数据：

    raw_data_x = [[3.39,2.33],    #特征
                            [3.11,1.78],
                            [1.34,3.37],
                            [3.58,4.68],
                            [2.28,2.87],
                            [7.42,4.7],
                            [5.75,3.53],
                            [9.17,2.51],
                            [7.79,3.42],
                            [7.94,0.79]
                          ]
    raw_data_y=[0,0,0,0,0,1,1,1,1,1] #0良性 1恶性

我们将肿瘤快大小作为横轴，时间作为纵轴，其中绿色代表良性，红色代表恶性，蓝色为给定[8.09,3.37] 需要我们判断是恶性还是良性。

import numpy as np
import matplotlib.pyplot as plt

raw_data_x = [[3.39,2.33],    # 特征
             [3.11,1.78],
             [1.34,3.37],
             [3.58,4.68],
             [2.28,2.87],
             [7.42,4.7],
             [5.75,3.53],
             [9.17,2.51],
             [7.79,3.42],
             [7.94,0.79]
             ]
raw_data_y=[0,0,0,0,0,1,1,1,1,1] #0良性 1恶性

x_train = np.array(raw_data_x) #训练
y_train = np.array(raw_data_y) #训练

plt.scatter(x_tra