机器学习-K最近邻（KNN）算法

注：部分图片来源于贪心学院训练营 ，部分来源于网络。

就像学习任何编程语言一样，都要从认识‘hello world’开始。在机器学习算法里面，
KNN算法也相当与这个角色。
定量说一下：理解代码核心不超过5分钟，从零写KNN代码不超过5行。

看到这里估计大家知道我想说明什么了。没错，KNN算法就是一种分类算法。

看到这个绿色的圆形，我们猜测一下，应该给他分到哪一个类别里面呢。
属于蓝色方块还是红色三角呢？
我想到这里应该呼之欲出了，大脑里面有个初步的印象，那就是随离我近我就应该属于谁。
但是这样仅仅是对了一小半。

其实，真相是：关键在于KNN中的K上面，K=3时候，表示我周围这些类别（这里说成点吧）的点，
计算出离我最近的3个点，看一下这3个点属于哪个类别的机会最大。

我们看到上面这个图，第一个圈里面表示K=4，他在计算离绿色圆点距离最小的4个点，
我们发现这4个点中最多的属于红色三角类别。那我们暂时判定绿色的这个点属于红色三角类别。

下面看一个实例，他是一个二维的数据。横坐标代表工作年限，纵坐标代表
对应的薪资。这里有一个注意的问题就是，如果这个薪资单位是元，这个时
候就会说13000，12000的这样的数据。但是此时横坐标代表工作年限是用年
为单位，会出现量纲不匹配的现象。比如说，（0.8，11.2）就会变成
（0.8，11200），这样的话在训练模型的时候，工作年限的影响就