1.K—近邻算法 的含义：

简单来说就是通过你的邻居的“类别”，来推测你的“类别”

定义：如果一个样本在特征空间中的k个最相似（即特征空间中最临近）的样本中大多数属于某一类别，则该样本也属于这个类别。

2.距离公式（欧式公式）：

3.KNN算法的流程：

1>.计算已知类别数据集中的点 到 当前点 之间的距离

2>.按照距离递增的次序进行排序

3>.选取与当前最近的k个点

4>.统计k个点所在的类别 ，以及类别出现的频率

5>.返回4中频率出现最高的类别 作为当前点的预测分类

4.KNN算法API及简单代码

用到的库：scikit-learn

实例化分类器：

K=sklearn.neighbors.KNeighborsClassifier(n_neighbors=xx)

已知点：

X=【[1],[2],[3]...】        //注意这里是“二维”数组形式

对应的分类：

Y=【0,1,1...】        //对应的分类是“一维数组”形式

如何将X与Y对应起来：

K.fit(X,Y)

如何预测未知点

z=【[5],[6]...】:

K.predict(z)

5.代码：

import sklearn
from sklearn.neighbors import KNeighborsClassifier

#实例化“分类器”
K_NN=KNeighborsClassifier(n_neighbors=3)

#已知类别的点
x=[[1],[2],[3],[10],[20],[100]]
#对应的类别
y=[0,0,0,1,1,1]

#将点和类别一一对应
K_NN.fit(x,y)

#将要预测的点
z=[[1],[40]]

#预测
pre=K_NN.predict(z)
print(pre)

结果：

6.K值大小说明：

        k值过小，那么预测的点就会非常依赖相近的点，一旦相近的点出现错误或者选择的数据集不合适，那么就会产生错误预测，k值过小时往往近似误差比较小，因此他就可能会出现过拟合的现象。

        k值过大，举一个夸张地例子来说，如果已知数据集的样本有n个，k=n，那么输出的结果很大程度上取决于已知数据集的类别，比如说一个班一共30个人，有2个女生，28个男生，新来一名同学（实际是女），k=30，那么预测值就会是男。所以，k值过大，容易发生欠拟合现象。

        一般我们会取较小的数作为k值，使用交叉验证法找到最合适的k，具体步骤见后篇。

新名词：

近似误差：

主要注重的是训练集的误差，近似误差越小，不能说明模型越好，只能说是在训练集上表现良好，所以近似误差特别小时，很可能出现过拟合现象，并且此时的模型也不是最佳的。

估计误差：

主要关注的是训练集的误差，估计误差越小，说明预测能力越好，模型也接近最佳

因此我们一般看的是估计误差。