1.k-近邻算法概述
简单地说，k-近邻算法采用测量不同特征值之间的距离方法进行分类
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。
标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目标变量主要用于分类)
数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100，42.001等 (数值型目标变量主要用于回归分析)
2.k-近邻算法（kNN）的工作原理
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。输入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
3.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-近邻算法判定输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。
4.kNN算法伪代码
对未知类别属性的数据集中的每个点依次执行以下操作：
(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).返回前k个点出现频率最高的类别作为当前点的预测分类。