亲测好用 KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。

用python手写KNN算法+kd树及其BBF优化（原理与实现）（上篇） 初学python和机器学习，突然兴起想动手用python实践一下KNN算法，本来想着这个算法原理很简单明了，应该实现起来没什么大问题，然而真正上手的时候问题频出，花了好一些功夫挨个排除各种奇怪的bug，总算是大功告成。接下来我会介绍一下算法的手写实现和在此过程中亲遇的各种问题，希望能够帮到大家。实验所需数据链接在文章最后。 ps：从学习C语言以来形成了print调试的毛病，所以在代码中保留了一些用于调试的输出重要信息的print语句，放在了后面的完整print信息版代码中，方便理解代码和调试。千万注意在使用time()方

KNN算法通过matlab得简单实现。

KNN算法的c++两种不同实现，内涵两个版本的代码工程，数据集为iris,vs2013可用

KDTREE解决KNN算法，通过C++实现，把数据分类

【案例描述】 海伦使用约会网站寻找约会对象。经过一段时间之后，她发现曾交往过三种类型的人: 不喜欢的人 魅力一般的人 极具魅力的人 她希望: 工作日与魅力一般的人约会 周末与极具魅力的人约会 不喜欢的人则直接排除掉 现在她收集到了一些约会网站未曾记录的数据信息，这更有助于匹配对象的归类。 【开发步骤】 收集数据: 提供文本文件 准备数据: 使用 Python 解析文本文件 分析数据: 使用 Matplotlib 画二维散点图 训练算法: 此步骤不适用于 k-近邻算法 测试算法: 使用海伦提供的部分数据作为测试样本。 使用算法: 产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型。 【注】本实例对于每步都有详细讲解，若有不理解部分，可私信解答。

机器学习KNN算法KNN.py

java实现的KNN算法，在UCI的三个数据集上进行了测试，包含测试结果和实验报告 人工智能实验报告

KNN算法java实现附测试数据及结果

KNN近邻算法的应用，第一个应用是简单的一个测试，第二个应用是改进约会网站的配对效果，第三个应用是手写识别系统