机器学习：KNN（一）

一.KNN算法

KNN:即K近邻算法。当需要表示一个样本（值）的时候，就使用与该样本最接近的K个邻居来决定。KNN即可以用于分类，也可以用于回归。

KNN算法的过程为：

1.从训练集中选择离待预测样本最近的k个样本。

2.根据这k个样本计算待预测样本的值（属于哪个类别或者一个具体数值）。

二.KNN分类

用python语言，读取csv文件header参数来指定标题的行。默认为0，如果没有标题，则使None。

显示前n行的记录，默认n的值为5。data.haed()

显示末尾的n行记录，默认n的值为5。data.tail()

随机抽取样本，默认抽取一条，我们可以通过参数进行指定抽取样本的数量。data.sample(10)

将类别文本映射成为数值类型。data[] = data[].map([])

删除不需要的Id列。data.drop("Id",axis=1,inplace=True)

查看数据集的记录数。Ien(data)

删除重复的记录。data.drop_duplicates(inplace=True)

查看各个类别的xxx具有多少条记录。data[].value_counts()

三.KNN算法实现

使用python语言实现K近邻算法。（实现分类）