前言：Hello大家好，我是小哥谈。KNN，即K最邻近算法，是数据挖掘分类技术中比较简单的方法之一，简单来说，就是根据“最邻近”这一特征对样本进行分类。🌈
目录
🚀1.K-means和KNN区别
🚀2.KNN的算法思想
🚀3.算法步骤
🚀4.KNN算法的优缺点
🚀5.数据集
🚀6.代码实现
🚀7.结果
🚀1.K-means和KNN区别
K-means是一种比较经典的聚类算法，本质上是无监督学习，而KNN是分类（或回归）算法，是监督学习。✅
K-means算法的训练过程需要反复迭代的操作（寻找新的质心），但是KNN不需要。K-means中的 K 代表的是簇中心，KNN的 K 代表的是选择与新测试样本距离最近的前K个训练样本数。🌳
🚀2.KNN的算法思想
KNN（k-NearestNeighbor）又被称为近邻算法，它的核心思想是：物以类聚，人以群分。✅
假设一个未知样本数据x需要归类，总共有ABC三个类别，那么离x距离最近的有k个邻居，这k个邻居里有k1个邻居属于A类，k2个邻居属于B类，k3个邻居属于C类，如果k1>k2>k3，那么x就属于A类，也就是说x的类别完全由邻居来推断出来。🌳
🚀3.算法步骤
🍀（1）计算测试对象到训练集中每个对象的距离
🍀（2）按照距离的远近排序
🍀（3）选取与当前测试对象最近的K的训练对象，作为该测试对象的邻居。
🍀（4）统计这K个邻居的类别概率
🍀（5）K个邻居里频率最高的类别，即为测试对象的类别。
🚀4.KNN算法的优缺点
优点：非常简单的分类算法没有之一，人性化，易于理解，易于实现，适合处理多分类问题，比如推荐用户。
缺点：属于懒惰算法，时间复杂度较高，因为需要计算未知样本到所有已知样本的距离，样本平衡度依赖高，当出现极端情况样本不平衡时，分类绝对会出现偏差。可解释性差，无法给出类似决策树那样的规则。向量的维度越高，欧式距离的区分能力就越弱。
🚀5.数据集
名称：Prostate_Cancer
提取链接：https://pan.baidu.com/s/1xv8r54qaLpH8RiMRkcrzyA 提取码：66hg
数据集展示：
🚀6.代码实现
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
import random
import pandas as pd
def knn():
K = 8
data=pd.read_csv(r"C:\Users\Lenovo\Desktop\course\Prostate_Cancer.csv")
n = len(data) // 3
test_set = data[0:n]
train_set = data[n:]
train_set = np.array(train_set)
test_set = np.array(test_set)
A = [i for i in range(0, len(train_set))]
B = [i for i in range(2, 10)]
C = [i for i in range(n)]
D = [1]
x_train = train_set[A]
x_train = x_train[:, B]
y_train = train_set[A]
y_train = y_train[:, D]
x_test = test_set[C]
x_test = x_test[:, B]
y_test = test_set[C]
y_test = y_test[:, D]
# 训练模型
model = KNeighborsClassifier(n_neighbors=K)
model.fit(x_train, y_train)
score = model.score(x_test, y_test)
print("准确率为:", score)
if __name__=='__main__':
knn()
🚀7.结果
当k=8时候，结果为0.7575757575757576
当k=5时候，结果为0.8181818181818182
总结：♨️♨️♨️
KNN是一种快速高效的分类算法，其逻辑简单，易于理解。但当训练数据集很大时，需要大量的存储空间，而且需要计算训练样本和测试样本的距离，计算量较大。个人认为，这是由于KNN是一种懒惰的学习法，简单的认为“物以类聚，人以群分”，但实际上，无论是人际交往还是数据事实，可能并不完全符合这个逻辑
