1、k-近邻法简介
k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。
它的工作原理是：存在一个样本数据集合，也称作为训练样本集，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个数据与所属分类的对应关系。
输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。
一般来说，我们只选择样本数据集中前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次数最多的分类，作为新数据的分类。
2、距离度量
我们已经知道k-近邻算法根据特征比较，然后提取样本集中特征最相似数据(最邻近)的分类标签。
那么，如何进行比较呢？比如，我们还是以表1.1为例，怎么判断红色圆点标记的电影所属的类别呢？ 如下图所示。
我们可以从散点图大致推断，这个红色圆点标记的电影可能属于动作片，因为距离已知的那两个动作片的圆点更近。
k-近邻算法用什么方法进行判断呢？没错，就是距离度量。这个电影分类的例子有2个特征，也就是在2维实数向量空间，
可以使用我们高中学过的两点距离公式计算距离，如图1.2所示。
通过计算可知，红色圆点标记的电影到动作片 (108,5)的距离最近，为16.55。
如果算法直接根据这个结果，判断该红色圆点标记的电影为动作片，这个算法就是最近邻算法，
而非k-近邻算法。那么k-近邻算法是什么呢？k-近邻算法步骤如下：
- 计算已知类别数据集中的点与当前点之间的距离；
- 按照距离递增次序排序；
- 选取与当前点距离最小的k个点；
- 确定前k个点所在类别的出现频率；
- 返回前k个点所出现频率最高的类别作为当前点的预测分类。
比如，现在我这个k值取3，那么在电影例子中，按距离依次排序的三个点分别是动作片(108,5)、动作片(115,8)、爱情片(5,89)。
在这三个点中，动作片出现的频率为三分之二，爱情片出现的频率为三分之一，所以该红色圆点标记的电影为动作片。这个判别过程就是k-近邻算法。
3、Python3代码实现
(1) 准备数据集合
对于表1.1中的数据，我们可以使用numpy直接创建，代码如下：
结果如下
(2)k-近邻算法
根据两点距离公式，计算距离，选择距离最小的前k个点，并返回分类结果。
输出结果:
group [[ 1 101] [ 5 89] [108 5] [115 8]] labels ['爱情片', '爱情片', '动作片', '动作片'] datasetsize 4 diffmat [[100 -81] [ 96 -69] [ -7 15] [-14 12]] sqdiffmat [[10000 6561] [ 9216 4761] [ 49 225] [ 196 144]] sqdistances [16561 13977 274 340] distances [ 128.68954892 118.22436297 16.55294536 18.43908891] sortedDistIndices [2 3 1 0] voteIlabel 0 动作片 classCount[voteIlabel] 1 voteIlabel 1 动作片 classCount[voteIlabel] 2 voteIlabel 2 爱情片 classCount[voteIlabel] 1 sortedClassCount [('动作片', 2), ('爱情片', 1)] 动作片
由 模型可知, 当数据为[101,20] ,数据数据可能为动作片
参考资料
https://cuijiahua.com/blog/2017/11/ml_1_knn.html
https://www.cnblogs.com/bonelee/p/8036024.html
https://blog.csdn.net/u011475210/article/details/77770751
