机器学习理解（3）KNN算法（初步）

KNN（K近邻算法）

基础概念解析

针对该算法，需要提出几个关键问题：KNN具体指什么？它适用于哪些类型的难题？其具体实现方式是怎样的？同时，它的优势与不足分别体现在哪些方面？
首先，KNN一般被称作K近邻算法，从直观角度理解，若两个特征之间的相似度较高，则可以合理推断它们归属于同一类别。
在上一小节所展示的图表基础上进行进一步完善：

通常而言，KNN算法主要应用于分类任务的处理，不过在极少数情形下，该算法也可用于回归问题的求解。
其核心处理逻辑如下：
①计算待预测样本与数据集中各点之间的距离，依据中学阶段所学知识，采用欧拉距离作为衡量标准。
②对所有计算得到的距离值进行排序，并从中选取前k个样本，最终将出现频率最高的类别或数值作为预测结果。

代码实现： （由于Github需要访问外网，因此我在此处直接展示自行封装的