一、原理

1.定义

如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

2. 距离公式

两个样本的距离可以通过如下公式计算，又叫欧式距离

3.举例分析

电影类型分析 假设我们有现在几部电影

其中？ 号电影不知道类别，如何去预测？我们可以利用K近邻算法的思想， 利用对应特征与已知几个电影特征的距离来判断属于哪一类别。

二、API

sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')

部分参数讲解：

n_neighbors：int,可选（默认= 5），KNN算法查询默认使用的邻居数

algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)

三、实际案例：预测签到位置

1.题目要求

数据介绍：将根据用户的位置，准确性和时间戳预测用户正在查看的业务。

train.csv，test.csv

row_id：登记事件的ID

xy：坐标

准确性：定位准确性

时间：时间戳

place_id：业务的ID，这是您预测的目标

官网：https://www.kaggle.com/navoshta/grid-knn/data

2.分析

对于数据做一些基本处理（这里所做的一些处理不一定达到很好的效果，我们只是简单尝试，有些特征我们可以根据一些特征选择的方式去做处理）

1、缩小数据集范围 DataFrame.query()

2、 删除没用的日期数据 DataFrame.drop（可以选择保留）

3、 将签到位置少于n个用户的删除

3.代码

四、K近邻方法总结

优点：

简单，易于理解，易于实现，无需训练

缺点：

懒惰算法，对测试样本分类时的计算量大，内存开销大必须指定K值，K值选择不当则分类精度不能保证

使用场景：

小数据场景，几千～几万样本，具体场景具体业务去测试