近朱者赤近墨者黑。具有相同标签的往往会聚集到一起，根据与待预测样本最近的k个邻居来进行预测。
- kNN是有监督学习
- 分类和回归都可以用kNN
- 从训练集合中获取k个离待预测样本距离最近的样本数据。这个距离是特征属性之间的距离
- 根据1中获取得到的k个样本数据来预测当前待预测样本的目标属性值
如下图是两个特征的特征空间，是一个平面。
三个特征数的特征空间是立体的，4个，5个特征的特征空间没办法想象，但是存在，被称为超空间。
闵氏距离
当p=2的时候就是欧氏距离；p=1是曼哈顿距离
k是kNN算法中的一个超参数。
看下图
k=3,被预测为红色；k=5被预测为蓝色。
k值影响预测结果,因此我们需要通过实验（交叉验证）来选择一个比较合适的最终值。
- 当k=1(k小)的时候，能够在训练数据集上获得100的准确率。但是可想而知，过拟合，这也是为什么采用交叉验证的原因。
- 当k=训练样本数(k大)，训练数据集上准确率就是样本数据的比例,容易欠拟合。
- 分类模型中，主要使用多数表决法或者加权多数表决法
- 在回归模型中，主要使用平均值法或者加权平均值法
每个邻近样本的权重是不一样的，越近权重越大，投票的时候说话分量越大。
一般情况下采用权重和距离成反比的方式来计算。因为每个人都是一票，所以把权重相加，最终预测结果是出现权重最大的那个类别。
比如下图中，假设三个红色点到待预测样本点的距离均为2，权重都是1/2；两个黄色点到待预测样本点距离为1，权重都是1，那么蓝色圆圈的最终类别为黄色（1+1>1/2+1/2+1/2）。
还有一个问题，这五个人的权重之和不是1，而是7/2.最好进行归一化，就是每一个人的投票权再除以7/2.比如，红色样本的投票权就是1/2 除以7/2.
不归一化也可行吧。
每个邻近样本的权重是不一样的，越近权重越大，投票的时候说话分量越大。
一般情况下采用权重和距离成反比的方式来计算。比如下图中，假设三个红色点值是3，到待预测样本点的距离均为2，权重都是1/7（1/2除以7/2）；两个黄色点值为2，到待预测样本点距离为1，权重都是2/7（1除以7/2）.（添加了归一化）
预测结果：
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier as knn
#00数据加载
X,Y = load_iris(return_X_y=True)
#01数据划分
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size=0.2,random_state=0)
#02训练
knn_clf = knn(n_neighbors=3,weights='uniform',algorithm='kd_tree')
knn_clf.fit(X_train,y_train)
#03测试
print('the score in train data:',knn_clf.score(X_train,y_train))
print('the score in test data:',knn_clf.score(X_test,y_test))
