KNN算法
[if !supportLists]1、[endif]算法介绍
KNN算法中文名称叫做K近邻算法，是众多机器学习算法里面最基础入门的算法。它是一个有监督的机器学习算法，既可以用来做分类任务也可以用来做回归任务。KNN算法的核心思想是未标记的样本的类别，由距离他最近的K个邻居投票来决定。
2、算法实现
fromsklearn import datasets
fromsklearn.model_selection import train_test_split
fromsklearn.preprocessing import StandardScaler
fromsklearn.neighbors import KNeighborsClassifier
# 获得鸢尾花的数据集
iris= datasets.load_iris()
x =iris.data
y =iris.target
# 测试集与训练集分离，测试集为20%的总数据
X_train,X_test, y_train, y_test = \
train_test_split(iris.data, iris.target,test_size=0.2)
# 对数据进行归一化处理
standarScaler= StandardScaler()
standarScaler.fit(X_train)
X_train_std= standarScaler.transform(X_train)
X_test_std= standarScaler.transform(X_test)
# 模型训练和测试
knn_clf= KNeighborsClassifier(n_neighbors=4)
knn_clf.fit(X_train_std,y_train)
score= knn_clf.score(X_test_std, y_test)
print(score)
预测结果：
得分为100%，效果较好。
3、总结
KNN是一个比较简单的算法，它适合在低维度空间中使用，数据量太大预测时间高，所以需要对大数据量进行一定的处理。
4、参考资料
