这是机器学习实战系列的第一篇，k近邻算法(KNN)
KNN算法的优缺点：
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
使用数据范围：数值型和标称型
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，通常k不大于20.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。
那么，如何计算新数据与样本数据的相似度呢？通常的做法是计算新数据与样本数据的距离（这又涉及到使用哪种距离计算，一般使用欧氏距离），距离越小，则相似度越高。
算法如下:
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个点所在的类别的出现频率；
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。
注意：在计算距离时，由于不同特征数值量级不同，会造成一些特征对计算结果的影响较大，为了避免由于数值大小造成的影响，需要提前对特征的取值进行单位化。
下面为k近邻算法的python实现：
def classify0(inX,dataSet,labels,k):
dataSetSize = dataSet.shape[0]
diffMat = np.tile(inX,(dataSetSize,1))-dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis = 1)
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort()
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
sortedClassCount = sorted(classCount.iteritems(),key = operator.itemgetter(1),reverse = True)
return sortedClassCount[0][0]
其中inX为待分类的数据点，dataSet为训练数据，labels为训练数据对应的分类标签。