接触机器学习一段时间了，知道它有四种分类：监督学习、无监督学习、半监督学习、强化学习；也知道它的一般步骤：收集数据-->准备数据-->分析数据-->选择模型-->训练模型-->评估模型；知道数据越多测试结果就越准备。
但是，作为一理工女，不动手就不理解，有很多疑团，怎么让一堆样本做为数据输入，怎么训练数据让模型更好，通过什么方法来评估算法，等等等等。
然而，一切通过python编程可以解开模糊不清。资源也会单独上传。
首先是kNN算法。
kNN（k-NearestNeighbor）概述：给一堆数据，每一条数据都要有类别标签，然后输入一条没有类别标签的数据，将这条数据的特征（就是这条数据本身）跟已经存在类别标签的数据一一比较，按相似度排序，找出最相似的k（一般不大于20的整数）条数据，看这k条数据中哪个类别多，那这条新数据就是那个类别。
可能只看文字描述还是不太清晰明了。接下来……
（一）准备数据集。具体的数据是数值型的矩阵如:
[[1.0, 1.1],
[1.0, 1.2],
[5.0, 5.1],
[5.0, 5.2]]
因为kNN算法要比较距离，所以每个特征需要是数值，能够计算。
上面的数据集，每一行就是一条数据（或实例），每一个值就是一个特征的值。以上数据只有两个特征，可看做二维平面一点（横坐标和纵坐标）。
还要准备类别标签，每一行数据属于什么类别，也就是新数据要分的类。
类别标签Labels=[‘A’, ‘A’, ‘B’, ‘B’]，个数跟数据集中数据一致，顺序也要一致。很明显，上面前两条数据属于A类（都在1附近），后两条数据属于B类（都在5附近）。
数据准备完毕。
（二）kNN分类算法。直接就让新数据与已知类别标签的数据进行比较分类。具体：
（1）将当前数据（与数据集中数据格式一致，如[3.3, 4.0]）与数据集中数据依次计算距离（欧式距离公式），存到一个4*1的矩阵中。
（2）将距离按从小到大排序（前k个最小值），返回索引值（python一个函数解决）。
（3）根据索引值找到对应类别标签，然后就计算看哪个类别标签最多，那么这个当前数据[3.3, 4.0]就属于哪个类别。
至此，分类结束。
（三）测试算法。会有疑问，不应该先训练数据再进行新数据的分类吗？上面的KNN算法只是一个分类器算法，我们仍然可用kNN算法训练数据来测试它的正确率。训练数据无非就是修改参数提高分类正确率，降低错误率。其实kNN算法就是通过改变k值检查正确率，就算是训练模型了，就是这样。正确率、错误率怎么计算？假如有1000条数据，我拿900条作为训练数据，100条作为测试数据，都有类别标签。用这100条的每一条与训练的900条依次比较，kNN分类器的结果与本身自带的类别标签比较，不一样的就是分类器的误差，错误数据/总测试数量（100）的结果就是错误率。
kNN算法的python代码将会单独上传（https://download.csdn.net/download/u012494321/10764006），装好python环境，安装NumPy包可直接运行分类器。后面还有两个运用kNN的实例：约会网站的配对和手写识别系统，还需要安装matplotlib包，数据集也准备好。约会网站的数据类似上面数据，都是数值的，只不过把类别标签放到了数据后面，单独提取出来就OK，需要注意的是：每一条数据的大小差异较大，某一特征会影响结果，所以引入归一化数值问题。手写识别系统是32*32的二进制图像矩阵，需要格式化处理为1*1024的向量，这样一条数据就是一个矩阵的一行。