Python算法练习（四）// 算法：KNN，数据集：DatingTestSet

本次练习利用了KNN算法对DatingTestSet数据集中异性魅力度标签做多分类。先探索数据，画图查看不同标签下特征的分布情况，初步认识特征对标签的影响。该数据集包含3个特征，存在明显的数据量纲差异，于是用标准化方法对数据进行预处理。最后，建立模型，并利用学习曲线和交叉验证的方法寻找最佳n-neighbors。利用该模型，对新增的异性样本做魅力度分类预测，为寻找心动异性提供决策参考。

一、导入数据


二、探索数据
1、异常值判断


2、单个特征与标签的关系

注：蓝色（魅力十足）、黄色（有点魅力）、绿色（不喜欢）

3、特征间的关系







三、数据预处理

四、模型构建与评估（用3个特征）


五、预测

六、模型构建与评估（用2个特征，效果更好！）