scikit-learn 是最受欢迎的机器学习库之一，它提供了各种主流的机器学习算法的API接口供使用者调用，让使用者可以方便快捷的搭建一些机器学习模型，并且通过调参可以达到很高的准确率。
这次我们主要介绍scikit-learn中k近邻算法（以下简称为KNN）的使用。
KNN是一种非参数机器学习算法（机器学习中通过模型训练而学到的是模型参数，而要人工调整的是超参数，请注意避免混淆）。使用KNN首先要有一个已知的数据集D，数据集内对于任意一个未知标签的样本数据x，可以通过计算x与D中所有样本点的距离，取出与x距离最近的前k个已知数据，用该k个已知数据的标签对x进行投票，哪一类票数最多，x就是哪一类，这是kNN的大概思想，以下举个例子方便理解。
正方形该分到哪个类？
在上图中有2个已知类别——红色五角星和蓝色三角形和一个未知样本——绿色方格。现在我们要用KNN算法对绿色方格进行分类，以判定其属于这两类中的哪一类，首先令k=5，通过计算距离我们可以知道距离绿色方格最近的5个样本中（假设绿色方格位于圆心），有2个红色五角星，3个蓝色三角形。通过投票可知：蓝色三角形得3票，红色五角星得2票，因此绿色方格应该属于蓝色三角形。kNN就是这样工作的。
上图同时也引申出KNN算法的一个重要的超参数——k。举例来说，如果当k=10时，由图可以看出：红色五角星投了6票，蓝色三角形投了4票，因此未知的样本应该属于红色五角星一类。因此，我们可以看出超参数的选择会影响最终kNN模型的预测结果。下面用代码具体展示如何调用scikit-learn使用kNN，并调整超参数。
👆 取鸢尾花数据集两个特征可视化
以上是利用scikit-learn中默认的k近邻模型来预测未知鸢尾花样本的种类（假装未知），我们在实例化模型的过程中并未传入任何的超参数，则kNN模型会使用模型默认的超参数。
例如：
- metric='minkowski' —— 计算样本点之间距离的时候会采用明可夫斯基距离，与p=2等价
- n_jobs=1 —— kNN算法支持cpu多核并行运算；n_jobs=1，默认使用一个核，当n_jobs=-1时，使用所有的核
- n_neighbors=5 —— 表示k=5，即抽取未知样本附近最近的5个点进行投票
- weights='uniform' —— 表示再利用最近的k个点投票时，他们的权重是等价的，当weights='distance'时，表示一个已知样本点距离未知点的距离越小，其投票时所占权重越大
还有一些其他的很重要的超参数，在这里先暂不说明，以下用代码具体展示。
以下用循环来搜索下关于n_neighbors、和p这两个超参数的最优值。
因为我们为了便于可视化，仅使用了鸢尾花数据集中的2个特征，所以导致最终预测的准确率不太高，如果使用该数据集的全部特征来训练模型并预测未知样本，传入最佳超参数的kNN模型，亲测准确度可达100%，当然这与鸢尾花数据集的高质量也有关系。运行以上代码并打印结果可得如上所示。
今天的分享就到这里了，关于kNN还有很多更复杂的超参数的调整，就不一一展示了，请小伙伴们自己在下面亲手操作下，会收获更多哦。kNN思想和实现简单，目前还在机器学习算法的领域持续的发光发热，如果你们中有大神路过，还请高抬贵脚，勿踩勿喷！
