K近邻算法通过计算被分类对象与训练集对象之间的距离，确定其k个临近点，然后使用这k个临近点中最多的分类作为分类结果。
如上图，当K=3时，它会被分类为 Class B。因为K=3时，3个临近点里有2个是B类的。
同理，K=7时它会被分类为 Class A，因为K=7时，7个临近点里4个是A类的。
KNN算法一个比较不好的缺点是K值由人主观决定。因为这样有一个问题，你取的K值不同，对于某些点的分类结果就不同，比如上图分别取k=3和k=7会得到不同的结果。
K值不能取太小，比如K=1的情况，此时容易被错误的样本干扰，造成过拟合等问题。当然，K值也不能取太大，越大分类效果越差。
如上图所示，当k=1的时候，决策边界变得非常不光滑，换句话说，模型的决策规则非常复杂，容易造成过拟合。
简而言之：k越小，模型越容易过拟合；k越大，越容易欠拟合。
所以K值应该取一个不大不小的奇数，比如3、7、9、11等，千万不能选偶数，因为偶数会有两个分类打平的情况，不要给自己找麻烦。
一图总结KNN算法：
下面我们就同样使用第三天的数据集来使用KNN预测用户是否会购买SUV，并计算KNN算法在这个应用场景上的准确率。
现在有一个数据集包含了社交网络中用户的信息。这些信息涉及用户ID,性别,年龄以及预估薪资。
一家汽车公司刚刚推出了他们新型的豪华SUV，我们尝试使用KNN算法预测哪些用户会购买这种全新SUV。并且在最后一列用来表示用户是否购买:
导入库：
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.metrics import confusion_matrix
from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
导入数据，包括性别：
# 1.导入数据集
dataset = pd.read_csv('Social_Network_Ads.csv')
X = dataset.iloc[:, [1, 2, 3]].values
Y = dataset.iloc[:, 4].values
# 性别转化为数字
labelencoder_X = LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])
我们对数据源进行处理，将其中25%的数据设置为测试集。
# 2.将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
X, Y, test_size=0.25, random_state=0)
此外，还需要进行特征缩放，因为在K近邻算法中，分类器主要是计算两点之间的欧几里得距离，如果一个特征比其它的特征有更大的范围值，那么距离将会被这个特征值所主导。
因此每个特征应该被归一化，比如将取值范围处理为0到1之间或权重相同的值。
# 3.特征缩放
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
使用scikit-learn中的KNN算法进行训练，设置k值=5：
# 4.训练
classifier = KNeighborsClassifier(n_neighbors=5)
classifier.fit(X_train, y_train)
对分类器调用predict方法进行预测：
# 5.预测
y_pred = classifier.predict(X_test)
你可以把预测结果输出，但这里我觉得没有必要，我们直接进入下一步评估模型就能知道结果好坏了。
