机器学习---KNN算法(保证写得很通俗易懂)
刚学完了，还是写博客记上，忘了好回头看。里面有个小问题没明白，算了，自当过几天就能搞懂吧。
KNN算法原理
KNN(K-nearst neighbors KNN)，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K歌邻居来代表。在现实生活中，有点**“近朱者赤，近墨者黑”**的意思。
（看完后边再回来看这个，能理解）KNN既可用在分类应用中，也可应用在回归应用中。不同之处在于：KNN在做分类预测时，一般采用多数表决法，做回归时采用平局值法，这样说可能不直观，下面一个例子说明，多数表决法。
**例1：**下面是一个做分类预测时的例子，
例2：
假如不知道什么食物的情况下，我们来对这些食物进行分类。已知这些食物中每种食物都有两种属性，甜度（取值范围1-10）和脆度（取值范围1-10），按照这三个属性，把食物分成三类，水果、蔬菜和蛋白质。如下表所示。
对上面的表格，以甜度为横坐标轴，脆度为纵坐标轴做出二维散点图。
对水果进行分类，如下图所示。
那么问题来了，再来一个西红柿，会是图中的哪个点呢？如果把西红柿放在图上，应该是下图的位置。
那么它应该属于哪种食物呢？影响这个决策分类的主要啊因素有如下三个：
-
K值的选择：一般选择较小的值，通过交叉验证最终选择一个合适的终值。选择K值有两种情况，太小和太大。
K选的太小，表示用较小的领域的样本进行预测，训练误差就会变小，模型会过复杂， 容易过拟合。
K值选太大，表示用较大领域的样本进行预测，训练误差会变大，模型变得简单，容易欠拟合。 - **度量：**上面的西红柿到选择的样本值之间用欧氏距离计算。
-
决策规则：在分类模型中，主要使用多数表决法或者加权多数表决法；
在回归模型中（请看下面的线性回归预测讲解），主要使用**“平局值法”或者加权平均值法**
什么是多数表决法和加权多数表决法
多数表决法
每个邻近样本的权重是一样的，也就是说最终预测的结果为出现类别最多的那个类，比如下图中蓝色问号的最
终类别为红色；
加权多数表决法
每个邻近样本的权重是不一样的，一般情况下采用权重和距离成反比的方式来计算。上图中，加入三个黄点到蓝色问号的距离是2，相应地权重就会变小。两个黄色五角星到预测样本的距离为1，但是权重会变大，最终蓝色圆圈的最****终类别是黄色五角星。
那么KNN做线性回归的时候如何预测呢
在做线性回归的时候采用平均值法和加权平均值法
平均值法：每个邻近的样本的权重是一样的，也就是说最终预测的结果为所有邻近样本的目标属性均值，请看下图：
蓝色问号最终的值为：(3+3+3+2+2)/5=2.6
加权平均值法：
每个邻近样本的权重是不一样的，一般情况下采用权重和距离成反比的方式来计算，也就是说在计算均值的时候进行加权操作。如下图所示，加入上面三个圈权重为3，下面两个圈权重为2，那么？就是
假设上面三个点到待预测样本点的距离均为2，下面两个点到待预测样本点距离为1，蓝色圆圈的最终预测值为：2.43
算法的实现
**蛮力实现：**计算预测样本到所有训练样本之间的距离，然后选择最小的K个距离即可得到K个最近邻点。这个方法适合小样本情况，否则执行效率极低。
KD树首先构建KD树，再进行求解，样本大的时候的一种解决方案。
KD Tree构建方式
KD树采用从m个样本的n维特征中，分别计算n个特征取值的方差，用方差最大的第k维特征n k 作为根节点。对于这个特征，选择取值的中位数n kv 作为样本的划分点，对于小于该值的样本划分到左子树，对于大于等于该值的样本划分到右子树，对左右子树采用同样的方式找方差最大的特征作为根节点，递归即可产生KD树。构建方式如下图所示：
构建好KD树之后，就可以去预测测试集里的样本节点了。
KD tree查找最近邻
对于一个目标节点首先在KD树里面找到包含目标节点的叶子节点。以目标节点为圆心，以目标节点到叶子节点的样本的示例为半径，得到一个超球体，最近邻的点在超球体内部。然后返回叶子节点的父节点，检查另一个子节点包含的超矩形体是否和超球体相交，如果相交就到这个子节点寻找是否有更加近的近邻,有的话就更新最近邻。如果不相交那就简单了，我们直接返回父节点的父节点，在另一个子树继续搜索最近邻。当回溯到根节点时，算法结束，此时保存的最近邻节点就是最终的最近邻。
请看下面的例子理解这段话：
下面这张图是做出的圆，从图中可以看出以（2,4.5）为圆心，d2为半径做出的圆。