機器學習實戰----k值近鄰演算法（Python語言）

實現kNN 分類演算法的步驟：

（1）計算已知類別資料集中的點和我們要測試的實驗資料點的距離

注：什麼是距離，即使用歐式距離計算公式

（2）按照距離遞增次序排序

（3）選取與距離最小的的k個點

注：K的值取多大合適，我也在學習，之後也會寫部落格筆記，一起交流

（4）確定在k個值中，哪個類出現的頻率最高

（5）實驗結果是將出現頻率最高的那個類最為我們的結果，即完成測試資料的分類

注意：程式碼中好多註釋掉的print,如果你不太理解每一步的意思，可列印出來看看，便於理解

理解sortedClassCount[0][0]的用法嗎？？

由於sorted函式返回的是以元組為成員的列表，即故需要兩次索引，有沒有豁然開朗，嘻嘻。。

最後呼叫函式，輸入[0,0]測試，給我們分的類是B

歐式距離公式;

下面就是對程式碼中的函式進行解釋：

首先是.tile()函式---是一個將陣列在指定軸進行多次copy，廢話不多說，看例子

結果：注意是幾位陣列

此函式在本程式碼的應用是，將測試資料[0,0],擴充套件，然後才可以一次性運算矩陣減法，將該資料與訓練集做差，即步驟（1）。

歡迎留言，我虛心接收意見和教導。