KNN算法的整理

对KNN算法的简单理解：

1. 首先需要准备好一些已经有标注的数据，这里需要注意数据的分类样本平衡问题。
2. 接着对需要进行分类预测的数据与1中每一个标注好的数据进行距离计算。这里需要注意数据的标准化与归一化处理，因为数据的规模不同，同时需要注意距离计算公式的选取，有欧式距离，曼哈顿距离（针对文本数据的处理）。
3. 根据人为设定的K值，选取距离最近的K个点，根据投票方法进行分类选取，这里K值不能过大，也不能过小。
4. 重复上述训练流程。

适用场景：

可以在分类问题，推荐系统上使用，原理简单，实现容易，计算量大。