机器学习实战——k-近邻算法概述

k近邻算法是最基础的分类算法，它的原理很简单，就是拿当前的测试样本与训练样本集中的所有样本进行比较，采用欧式距离进行比较。

然后按照距离大小进行排序，从小到大排。然后在根据k的数值，选取前k个训练样本的分类结果进行统计，统计结果中出现的类别次数最多的类别，即为测试样本的类别。

下面把书上的代码贴出来，解释每一句：

注意：这里的dataSet类型为array，为什么后面会讲

下面是classify0，屏幕不够大，只能分段截图了

以上就是理论部分的所有代码了，第一章的理论部分没啥好讲的，就这样