Python设计KNN算法实现对空气质量的预测

设计KNN算法实现对空气质量的预测

---

前言

KNN是机器学习中的分类算法，它将一个未知类别的样本归类为距离它最近的k个样本中最多数的类别。它的算法原理如下所示：
1.为了判断未知实例的类别，以所有已知类别的实例作为参照，选择一个参数K。
2.计算未知实例到到已知实例的距离，
3.将这些距离进行排序，选择前k个距离，
4.将未知实例归类为这K个最近邻样本中最多数的类别。

---

一、任务

设计KNN算法实现对空气质量的预测

二、knn应用

1.引入库

代码如下（示例）：

from collections import Counter			
import numpy as np
import pandas as pdt

2.读入数据

这里的数据我用字典的形式存储，但一般都是用网上下载的数据集，再用CSV导入

#读数据
train_data = {
   '2019/1/1':[68,186,49,67,7,43,1.07,19,'良'],
              '2019/1/2':[80,179,58,84,8,41,0.94,24,'良'],
              '2019/1/3':[86,177,63,92,6,42,0.89,17,'良'],
              '2019/1/4':[71,175,51,87,5,44,0.9,35,'良'],
              '2019/1/5':[89,246,65,106,7,55,1.15,36,'良'],
              '2019/1/6':[113,263,84,131,7,57,1.08,23,'轻度污染'],
              '2019/1/7':[110,241,82,120,7,51,1.07,29,'中度污染'],
              '2019/1/8':[119,276,89,139,10,62,1.25,22,'轻度污染'],
              '2019/1/9':[120,331,90,129,8,50,1.02,27,'轻度污染'],
              '2019/1/10':[85,194,62,88,6,46,1.24,35,'良'],
              '2019/1/11':[91,165,67,100,7,45,1.29,35,'良']