-
工作原理：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。输人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*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。
-
适用范围：数值型和标称型
- 优点：精度高，对异常值不敏感，无数据输入假定。
- 计算复杂度高，空间复杂度高。
-
主要包括main.py 和 kNN.py。
-
其中kNN.py包含用到的一些函数，而main.py则是运行的主函数。
-
main种包含从main1到mian7七个用到的主程序函数:
- main1到mian2为手动构造的数据集并进行测试
- main3到mian6为利用约会网站数据进行测试
- main7为手写数字集测试程序