k近邻法(k-nearest neighbor, k-NN)

原理：

存在一个样本数据集合，也称作训练样本集，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特征最相似数据（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。 

优缺点：

优点：精度高、对异常值不敏感、无数据输入假定。 

缺点：计算复杂度高、空间复杂度高。 

适用范围：数值型和标称型。 

Python实践案例：电影类型分类

已知：一些未看过电影的打斗镜头数、接吻镜头数、电影所属类型的标签

求：确定电影类型是爱情片还是动作片

训练集-样本电影示例

步骤：

1、计算已知类别数据集中的点与当前点之间的距离；

2、按照距离递增次序排序；

3、选取与当前点距离最小的k个点；

4、确定前k个点所在类别的出现频率；

5、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。

具体如下：

计算未知电影与样本集中所有电影距离。

计算红点到每个黄点（已知电影）的距离，按距离递增排序，假设k=3，则表示按照前3个距离最近的电影类型出现的最高频率（比如动作片出现的频率为2/3）作为判定未知电影类型的标准和依据(即红点-未知电影为动作片)，如下：

计算距离示例

代码：

1）准备数据：

代码 结果

2）kNN 算法预测数据： 

代码 结果

---

学习来源：《机器学习实战》　[美] Peter Harrington

Jack Cui 博文https://cuijiahua.com/