本文转载自公众号 信口杜说
KNN是机器学习中一种基础的数据分类算法，这里我通过一个故事来给大家叫明白它到底有什么用。
从一个笑话开始。
相亲时，姑娘很漂亮，问小伙子:你有三室两厅的楼房么？
小伙子：没有。
姑娘又问：有宝马5么？
小伙子：没有。
姑娘很不高兴：那算了。
相亲结束。小伙子很沮丧，回去跟父母说了这事。
父亲愁眉苦脸：车好说，把咱的宾利买了能买好几两宝马，
可是咱犯不上为了这事把咱的大别墅换成三室两厅的楼房啊。
在这个笑话里姑娘的相亲匹配算法有问题，太粗暴，太简单，并且没有把相亲标准数据化，标准定制的太笼统了。
不应该定三室两厅的标准，应该是看房子的大小，平米数。
也不能把车的标准定成上面品牌的车，应该看车子的价格。
导致错过了一段大好姻缘。
假如姑娘用KNN算法，来挑选相亲对象，那么她一定不会犯上面那样的错误。
我们来用KNN算法帮姑娘找到理想的结婚对象。
一般姑娘的相亲对象分为三类A(特别满意，恨不得明天就去领证)，
B(感觉一般，可以相处一段时间再看看)，
C(不满意，以后不想再联系)。
而判断相亲对象类型的标准2条，房子大小，车辆价格。
下面是几个别人家姑娘的男朋友的数据，我们这里作为参考（也叫样本数据）：
男生名字 | 房子大小 | 车辆价格 | 相亲类别 |
王思聪 | 1000000平（万达的房子都是他们家的） | 500万 | A(特别满意) |
吴亦凡 | 5000平 | 200万 | A(特别满意) |
李有财 | 120平 | 60万 | B(处处看看) |
高很富 | 200平 | 50万 | B(处处看看) |
王小明 | 60平 | 10万 | B(处处看看) |
刘没钱 | 12平（租的） | 0.2万（电动车） | C(pass掉) |
现在有个相亲对象，赵大平，情况是这样房子100平，车30万，
那他应该是什么类型的相亲对象那？
我们来计算一下他和上面的样本数据之间的差距（也叫距离），
这里我们使用曼哈顿距离（啥叫曼哈顿距离，百度）
男生名称 | 赵大平和他们的差距 |
王思聪 | |1000000-100|+|500-30|=999900+470=1000370(差距巨大啊) |
吴亦凡 | |5000-100|+|200-30|=4900+170=5070(差距也不小) |
李有财 | |120-100|+|60-30|=20+30=50(很接近了) |
高很富 | |200-100|+|50-30|=100+20=120（比较接近了) |
王小明 | |60-100|+|10-30|=40+20=60(比较接近了) |
刘没钱 | |12-100|+|0.2-30|=88+29.8=117.8 |
那我们对上面的数据按从小到大排个序：
男生名称 | 赵大平和他们的距离（从小到大） |
李有财 | 50 |
王小明 | 60 |
刘没钱 | 117.8 |
高很富 | 120 |
吴亦凡 | 5070 |
王思聪 | 1000370 |
这里我们取前4个男生（当然也可以取3个，取5个，取的少不准，取的多准确，但是复杂，一般不超过20）：
李有财（B类型），王小明(B类型)，刘没钱（C类型），高很富（B类型）。
在这前4个距离赵大平最近的男生里，B类型的最多（3/4,也就是75%）,
C类型的少(1/4,也就是25%)。
那么我们就取占比最大的类型，也认为赵大平是B类型的，可以处处。
这就是KNN算法（K-NearestNeighbor）。
也有同学会问：这么麻烦干嘛，姑娘以前的标准是简单，但是你的也太麻烦了，又是样本数据，又是排序的。能不能划分区间啊，房子大于500平米的特别满意，500平米到90平米的可以处处，不到90平米的PASS不行，这多简单。
但是现实情况比较复杂，好多事没有确定的边界。你设定90为边界，那来个89的那？按照区间的划分，这个就PASS掉了，可实际情况90和89差不多。没法子划区间。
—————END—————
喜欢本文的朋友们，欢迎关注公众号 程序员小灰，收看更多精彩内容
