《机器学习实战》（新手入门笔记）-第2章 k-近邻算法（kNN）

学习模式：原理简述+问题示例+代码实现+运行效果
学习目标：

1.k-近邻分类算法

2.从文本文件中解析和导入数据

3.使用Matplotlib创建扩散图

4.归一化数值

学习内容：

1.k-近邻算法

        概念：采用测量不同特征值之间的距离方法进行分类。

        工作原理：存在一个样本集合（训练样本集），且样本集合中每个数据都存在标签（也就是我们已知训练样本集合中每个数据所属分类的对应关系），再输入不带标签的新数据后，将新数据的每个特征与样本集合中数据对应的特征进行比较，然后算法提取样本集合中特征最相似数据的分类标签(一般来说，我们只选择样本集合中k个相似的数据，通常k不大于20的整数，并在k个最相似的出现次数最多的分类作为新数据的分类)。

2.1 对未知电影进行分类（动作片和爱情片）

A:每部电影的打斗镜头，接吻镜头来评估未知电影的类型模型