前言
对于一个马上要毕业的大四学生来说，突然由后端转学机器学习，学起来好难，尤其是回归那里，数学好难！！！！！！！！ 因为回归的公式太难搞了，这里先整理一手分类的入门算法，KNN。
算法简介
KNN是啥? 官方的话咱就不整了，通俗来说就是找出距离某个点最近的k个点（这k个点已经分好类了），找出k个点中出现次数最多的分类，就是我们预测的分类。
从上面的描述可以直到，算法总共有这几个步骤
- 计算出目标点到其他点的距离
- 将所有的距离值正序排序
- 在排序结果中找出前k个值，并找出出现次数最多的分类
感觉还是蛮简单的，接下来来写代码吧。
代码实现
计算距离
两个计算距离的方法，分别是曼哈顿公式，欧拉公式
这里介绍一下几个函数 np.sum 求和函数，相比其他的求和公式，这个求和公式支持向量和向量的加法，也支持矩阵和向量的加法（前提是矩阵的列数应该等于向量的维数）。
axis=1表示最终的矩阵应该是一列的，即在进行向量加法之后的结果为[1,2,4]时，设置了axis之后结果就是[7].
np.abs 求绝对值
代码语言：javascript复制# 距离函数的定义 曼哈顿公式
def distance1(a, b):
# 当a是矩阵时，b是向量，即a的每一行都与b乡间，然后再合成一列
sum = np.sum(np.abs(a - b), axis=1) # 因为ab是向量，所以a-b之后还是向量，axis是保存一列，即在运算结束之后再将所有列的数据加和
return sum;
# 欧拉公式
def distance2(a, b):
sum = np.sqrt(np.sum(np.abs(a - b) ** 2, axis=1))
return sum;引入和切分数据集
用惯了java之后，再用python，就会觉得，python，你是我的神！ 切分数据集不需要自己写代码，引入一个库就完事了
代码语言：javascript复制from sklearn.model_selection import train_test_split # 切分训练集和测试集
from sklearn.datasets import load_iris #引入一个分类的数据集
# 数据加载和预处理
iris = load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['target'] = iris.target
df['target'] = df['target'].map({0: iris.target_names[0], 1: iris.target_names[1], 2: iris.target_names[2]})
x = iris.data
y = iris.target
y = y.reshape(-1, 1)
# testsize 测试集大小 randomstate 是否随机切分 stratify 按照等比例分层 就是y的比例是多少，分出的测试集中的比例也是多少
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1, stratify=y)分类器（预测目标点属于哪个分类）
代码语言：javascript复制# 分类器
class KNN(object):
# 定义初始化方法 self指类的示例
def __init__(self, k_neighbors=1, disufunc=distance1):
self.k_neighbors = k_neighbors
self.disufunc = disufunc
# 训练模型 这里可以直接在构造函数一起设置了，看大家想怎么搞了
def fit(self, x, y):
self.x_train = x
self.y_train = y
# 模型预测
def predict(self, x):
y_pred = np.zeros((x.shape[0], 1), dtype=self.y_train.dtype) # 初始化数组 (x.shape[0], 1)是设置数组的行数和列数 dtype设置数组中元素的类型
for index,x_val in enumerate(x): #enumerate函数将数组中的对象包装为索引，值的形式
distance=self.disufunc(self.x_train,x_val) #直接调用前面的距离函数
#排序 取出索引值
nn_index=np.argsort(distance) # argsort就是将数组内的数据排序，将原来的索引值作为数组返回
#统计频率
nn_y=self.y_train[nn_index[:self.k_neighbors]].ravel() #取出前k个索引所对应的类别
y_pred[index]=np.argmax(np.bincount(nn_y)) #bincount 统计每个值出现的次数 即内容为a[3]=4 3 为值 4 为出现的次数 argmax次数最大值的索引值
return y_pred测试
代码语言：javascript复制 knn=KNN(k_neighbors=5)
knn.fit(x_train,y_train)
y_pred=knn.predict(x_test)
#预测准确率
accuracy=accuracy_score(y_test,y_pred)
print(accuracy)这样所有的代码就实现了，还是蛮简单的
总结
学到了很多numpy的函数的用法，确实觉得python真好用，全给写好了。
很多东西还需要在复习，写个博客总结下。
