参考<>一书第二章k近邻算法， 第二节【使用k近邻算法改进约会网站的配对效果】所写成。

2 列向量包含城市的坐标。 该算法生成最佳路径，只访问所有城市一次，然后返回起始城市。 为所有城市做： 1.选择一个城市作为当前城市。 2. 找出连接当前城市和未访问城市的最短边。 3.将新城市设置为当前城市。 4. 将上一个当前城市标记为已访问。 5. 如果所有城市都被访问过，则终止。 6. 转到步骤 2。 该算法有其局限性，根据城市在地图上的分布，它可能会也可能不会给出最佳解决方案。 它解决了其他一些提交的文件所具有的同样遥远的城市的问题。

主要介绍了Python实现KNN（K-近邻）算法的示例代码，它主要用于对事物进行分类。小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

【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。

使用sklearn库自带的手写数字数据来进行PCA降维后再用K-近邻算法去训练，拥有展示成果功能。

今天小编就为大家分享一篇K最近邻算法(KNN)---sklearn+python实现方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

python机器学习，K近邻算法，红酒分类实战数据集，感兴趣的自取

K近邻算法实战，精确的高，感兴趣的可以看一看

模式识别实验报告：KNN最近邻算法

人工智能k近邻算法课程汇报文档，小组算发作业汇报，文档形式