首先使用电影类型的分类，讲解k-最近邻算法的思想。
主要把电影分为两类：动作类和爱情类。
k-最近邻算法采用测量不同特征值之间的举例方法进行分类。
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
适用数据范围：数值型和标称型。
（？？？？什么是标称型数据？？？）
k-近邻算法的一般流程
（1）收集数据：可以使用任何方法。
（2）准备数据：距离计算所需要的数值，最好是结构化的数据格式。
（3）分析数据：可以使用任何方法。
（4）训练算法：此步骤不适用于k-近邻算法。
（5）测试算法：计算错误率。
（6）使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定出入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。
K-最近邻算法
（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k个点出现频率最高的类别作为当前点的预测分类。
Python函数classify()
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
