橙子还是柚子
抽取特征
如果有一个水果在两个集合的中间位置，我们如何确定它是橙子还是柚子？
我们可以查看它的三个邻居，三个邻居中橙子比柚子多，那么这个水果很可能就是橙子。
这就是用K最近邻（KNN）算法进行分类。
创建推荐系统
假设我们要创建一个电影推荐系统。
- 现将所有用户放在一个图表中；
- 这些用户的位置取决于其喜好，喜好相似的用户距离较近；
- 假设你要某人推荐电影，可以找出离他最近的五个用户，推荐他们喜欢的电影给目标用户；
特征抽取
我们根据特征绘图，每个用户都有自己的坐标点。
要计算两点的距离，可使用毕达哥拉斯公式。
但用户的特征不止两个，我们可以在用户注册时让用户指出他们对不同电影的喜欢程度。
我们就获得了五个维度的数据，但计算公式不变。
用户如果评分越多，算法越准。
回归
如果你要对一个用户对某部电影的评分，你可以计算他的相似用户评分的平均值获得。这就是回归。
KNN算法
- 分类就是编组
- 回归就是预测结果
回归的实际场景
预测一个面包店要准备多少面包，建立一下维度数据，还需要有历史数据
- 天气指数1～5
- 是不是周末或节假日
- 有没有活动
挑选适合的特征
例如选择电影的特征
提取特征，看看它的邻居是谁，得出结论
若有收获，就点个赞吧
0 人点赞
