KNN

概念
标签label：即需要预测的值
特征：即已知数据
KNN：即K近邻，K是取多少近邻

特征：
accommodates容纳旅客数量
bedrooms卧室数量
bathrooms厕所的数量
beds床的数量
price每晚的价格
minimum_nights客人最少住几晚
maximum_nights客人最多住几晚上
number_of_reviews评论的数量

已知条件 => 未知数
例1：当我有个3个卧室的房间，不知道要租多少钱？
已知条件：3个卧室
未知数：单价
从已知数据中，找出k个与3最近的房间价格取平均，即得未知数的值

例2：当我有一个3个卧室，2个厕所，3张床的房间，不知道要租多少钱？
已知条件：3个卧室，2个厕所，3张床
未知：单价
问题1来了，当多个特征时，如何取近邻？
解答：把一条数据看出一个整体(向量)，根据距离公式算出一个值d，d越小，代表越近

image.png

Q(q1，q2，q3，...，qn)是已知条件
P(p1，p2，p3，...，pn)是已知的一条数据
这样就得到了所有已知数据与预测数据的近邻程度，那么问题2又来了，例如要取K=3个近邻，满足条件的有m个，如何选取呢？
解答：洗牌操作，取前3个，最后求均值即未知数的值

预测出来的值到底行不行，就需要评估一下，将已知数据划分为两部分（75%trainData ，20%testData），
评估例1
在trainData中取k个与3个卧室最相近的房间求平均，即训练样本得出的预测值
在testData中取k个与3个卧室最相近的房间，算RMSE(root mean squared error)均方根误差

image.png

这个公式应该是k个，不是n个
当rmse越小，说明预测的越准确

每一个特征的rmse都不一样，有的大些，有的小些，这说明了问题3，这个租金与房间数关系大，与厕所数关系小，那用距离公式描述相似就不精确了，出现了权重的概念W(w1，w2，w3，...，wn)，对应着每个特征的重要性，那么这个权重在已知条件中没有告诉怎么办？
解答：这时候用到评估，将已知数据划分为两部分（75%trainData ，20%testData），