监督学习

　　1、KNN算法

　　　　1、什么是KNN算法

　　　　　　K-Nearest Neighbor，寻找最近K个数据，推测新数据的分类

　　　　2、KNN算法的原理

　　　　　　通用步骤

　　　　　　　　1、计算距离（常用欧几里得距离或马氏距离）

　　　　　　　　2、升序排列

　　　　　　　　3、去前K个

　　　　　　　　4、加权平均（距离进的权值高一点）

　　　　　　K的选取

　　　　　　　　1、K太大：导致分类模糊

　　　　　　　　2、K太小：受个例影响，波动较大

　　　　　　如何选取K

　　　　　　　　1、靠经验选取

　　　　　　　　2、均方根误差

　　　　应用：

　　　　　　预测电影类型

import pandas as pdfrom sklearn.neighbors import KNeighborsClassifierdata = pd.DataFrame({    'name':['北京遇上西雅图','喜欢你','疯狂动物城','战狼2','力王','敢死队'],    'fight':[3,2,1,101,99,98],    'kiss':[104,100,81,10,5,2],    'type':['Romance','Romance','Romance','Action','Action','Action'],})# 数据x = data[["fight","kiss"]]# 目标y = data["type"]knn = KNeighborsClassifier(n_neighbors=5)#训练数据knn.fit(x, y)# 测试数据x_test = pd.DataFrame({
   'fight':[4,100,20], "kiss":[8,50,30]})# 预测结果knn.predict(x_test)# array(['Romance', 'Action', 'Romance'], dtype=object)