工作原理
存在一个样本数据集合，也称作为训练样本集，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个数据与所属分类的对应关系。输入没有标签的新数据后，将新的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K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。
距离度量
在二维实数向量空间，可以使用两点距离公式计算距离。如果数据是更高维的，可以用欧氏距离(也称欧几里德度量)。
如果算法直接根据距离最近的结果，判断数据分类，这个算法就是最近邻算法，而非K近邻算法。
k-近邻算法步骤：
- 计算已知类别数据集中的点与当前点之间的距离；
- 按照距离递增次序排序；
- 选取与当前点距离最小的K个点；
- 确定前K个点所在类别的出现频率；
- 返回前K个点所出现频率最高的类别作为当前点的预测分类。
一般流程
- 收集数据：可以使用爬虫进行数据的收集，也可以使用第三方提供的免费或收费的数据。一般来讲，数据放在txt文本文件中，按照一定的格式进行存储，便于解析及处理。
- 准备数据：使用Python解析、预处理数据。
- 分析数据：可以使用很多方法对数据进行分析，例如使用Matplotlib将数据可视化。
- 测试算法：计算错误率。
- 使用算法：错误率在可接受范围内，就可以运行k-近邻算法进行分类。