前言

对于一个马上要毕业的大四学生来说，突然由后端转学机器学习，学起来好难，尤其是回归那里，数学好难！！！！！！！！
在这里插入图片描述
因为回归的公式太难搞了，这里先整理一手分类的入门算法，KNN。

算法简介

KNN是啥?
官方的话咱就不整了，通俗来说就是找出距离某个点最近的k个点（这k个点已经分好类了），找出k个点中出现次数最多的分类，就是我们预测的分类。

从上面的描述可以直到，算法总共有这几个步骤

计算出目标点到其他点的距离
将所有的距离值正序排序
在排序结果中找出前k个值，并找出出现次数最多的分类

感觉还是蛮简单的，接下来来写代码吧。

代码实现

计算距离

两个计算距离的方法，分别是曼哈顿公式，欧拉公式

这里介绍一下几个函数
np.sum
求和函数，相比其他的求和公式，这个求和公式支持向量和向量的加法，也支持矩阵和向量的加法（前提是矩阵的列数应该等于向量的维数）。

axis=1表示最终的矩阵应该是一列的，即在进行向量加法之后的结果为[1,2,4]时，设置了axis之后结果就是[7].

np.abs
求绝对值

# 距离函数的定义 曼哈顿公式
def distance1(a, b):
    # 当a是矩阵时，b是向量，即a的每一行都与b乡间，然后再合成一列
    sum = np.sum(np.abs(a - b), axis=1)  # 因为ab是向量，所以a-b之后还是向量，axis是保存一列，即在运算结束之后再将所有列的数据加和
    return sum;


# 欧拉公式
def distance2(a, b):
    sum = np.sqrt(np.sum(np.abs(a - b) ** 2, axis=1))
    return sum;

引入和切分数据集

用惯了java之后，再用python，就会觉得，python，你是我的神！
切分数据集不需要自己写代码，引入一个库就完事了

from sklearn.model_selection import train_test_split  # 切分训练集和测试集
from sklearn.datasets import load_iris    #引入一个分类的数据集
# 数据加载和预处理
iris = load_iris()

df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['target'] = iris.target
df['target'] = df['target'].map({0: iris.target_names[0], 1: iris.target_names[1], 2: iris.target_names[2]})

x = iris.data
y = iris.target
y = y.reshape(-1, 1)
# testsize 测试集大小             randomstate 是否随机切分             stratify 按照等比例分层  就是y的比例是多少，分出的测试集中的比例也是多少
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1, stratify=y)

分类器（预测目标点属于哪个分类）

# 分类器
class KNN(object):
    # 定义初始化方法 self指类的示例
    def __init__(self, k_neighbors=1, disufunc=distance1):
        self.k_neighbors = k_neighbors
        self.disufunc = disufunc

    # 训练模型      这里可以直接在构造函数一起设置了，看大家想怎么搞了
    def fit(self, x, y):
        self.x_train = x
        self.y_train = y

    # 模型预测
    def predict(self, x):
        y_pred = np.zeros((x.shape[0], 1), dtype=self.y_train.dtype)  # 初始化数组   (x.shape[0], 1)是设置数组的行数和列数   dtype设置数组中元素的类型
        for index,x_val in enumerate(x):    #enumerate函数将数组中的对象包装为索引，值的形式
            distance=self.disufunc(self.x_train,x_val)   #直接调用前面的距离函数
            #排序   取出索引值
            nn_index=np.argsort(distance)     # argsort就是将数组内的数据排序，将原来的索引值作为数组返回
            #统计频率
            nn_y=self.y_train[nn_index[:self.k_neighbors]].ravel()   #取出前k个索引所对应的类别
            y_pred[index]=np.argmax(np.bincount(nn_y))      #bincount 统计每个值出现的次数 即内容为a[3]=4 3 为值 4 为出现的次数    argmax次数最大值的索引值
        return y_pred

测试

        knn=KNN(k_neighbors=5)
        knn.fit(x_train,y_train)
        y_pred=knn.predict(x_test)
        #预测准确率
        accuracy=accuracy_score(y_test,y_pred)
        print(accuracy)