k近鄰演算法--理解和使用場景
1. k近鄰演算法:
數學知識歐式距離:
使用k近鄰演算法的條件:
1. 你需要一個訓練的資料集，這個資料集包含各種特徵值和對應的label值 ,在使用前需要將各種特徵值
歸一化處理。
2. 利用訓練的資料集來對要分類的資料進行分類：
根據歐式距離計算出要預測的資料與訓練資料集中距離最短的前k個值,然後根據前k個值對應的label
統計出 label值最最多的,如選擇的前k個對應的label:['dog','dog','dog','fish'] ,那麼這個結果是dog類。
k近鄰演算法特點：
優點: 計算精度高，不受異常值影響。
缺點: 計算複雜度高，空間複雜度高
適用於: 帶lable的數值類
python中主要使用函式:
主要的使用numpy 模組,這個模組主要有兩種資料型別：
1. array 型別
2. matrix 型別
mat: 將array 轉化成 matrix
matix.min(0) 獲取特徵值最小值
matix.max(0) 獲取特徵值最大值