推荐一本好书（机器学习实战），别问我问什么，那么好的内容，为什么不一起入坑呢。欢迎fold 代码哦，python 代码：

https://github.com/unnunique/MachineLearning/tree/master/Ch02

https://github.com/unnunique/unnunique.github.io/tree/master/ScalaDemo/src/main/scala/com/sydney/dream/classdefine

需要书籍: 请留言，留下邮箱：

转载请注明出处哦，

大体上机器学习分为分类和回归，有监督学习和无监督学习。kNN 属于监督学习和分类算法模块。

在一大堆数据集合中，每一数据都存在自己的标签，即，每一数据都属于一个分类。当我们输入没有分类的新数据的时候，将新数据和数据集合中的每一数据进行比较，然后计算新数据离哪些数据最相近（把原始数据分布在坐标轴上，计算新数据和原始数据的距离）。距离计算好后，我们选取k个最相近的数据，这个就是kNN 中k 的来源。一般上k不大于20,。k个数据中出现最多的分类，即为kNN 算出来的新数据的分类。

我们以kiss 次数和打斗次数来区分是动作电影还是动作电影。

来接一波图和数据。

假如我们有一个位置的电影，问号脸？我们如何来区分他是爱情电影还是动作电影。

我们来计算他距离其他电影的距离。

例如：（18-98）**2 +（90-2）**2， 然后开方。

比如算的的距离最近的三个是Robo Slaye 3000, Kavin Longblode, Califonia Ma, 则起是动作片。（没有计算过哈哈。）

接下来我们用scala 以及python 来各自实现一波：

写代码嘛，先来一段注释，然后请佛祖开光，这个还是很皮很开心的

然后秀一波实验，感觉python 写起来完全像是在写脚本，然后，一个最简单的例子，就这么华丽丽的实现了。

直接上代码实现吧，具体流程和上面python 大致一样，写Scala 好烧脑，哎。

先来简单过一下需求背景。

某都市杭州大龄单身妹纸小百合在某百合相亲网站上进行相亲，寻求高富帅。小百合发现自己相过的对象可以分为三类：

1，十分喜欢的人

2，一般般喜欢的人

3，不喜欢的屌丝

这三类人，可以用下面的特征数据进行衡量：

1，每年飞灰机的里程数。

2，玩游戏的次数。

3，每周吃掉的冰淇淋的公升数。

这些数据保存在txt 文件中类似如下：（数据可以在附件中获取哦，亲，）

32404 3.513921    0.9918541
27268 4.398172    0.9750242
5477 4.276823     1.174874 3

从左到右分别表示：

飞行的里程数， 玩游戏次数 冰淇淋公升数  喜欢程度（1，非常喜欢， 2， 一般般， 3，不喜欢）

来，让我们借鉴电影的例子，来实现相关的程序。

然后把读取到的数据转化为矩阵。

函数如下：（包含kNN 近邻算法的实现）

接下来考虑一个问题，如下是4组数据：

我们来计算第三组和第四组的距离：

（0-67）**2 + (20000-32000)**2 + (0.1-1.1)**2，然后开方。

Oh my good（夸张脸）， 有没有发现什么。 每年飞行常客里程数对最终结果的影响远远大于其他两个特征。所以计算出来的结果，可能只与每年 飞行常客的里程数有关。

为了解决这个问题： 

我们使用一些技巧，把这些数据都转换为0到1之间的数据。

专业上叫做归一化数据：

我们利用如下的公式，把数据转换到0到1之间：

newValue = (oldValue - min)/(max - min)

在上一步，我们已经把数据从文件中读取，并且赋给了矩阵datingDataMat。接下来，我们就用上面这个公式，把这个矩阵中的数据进行归一化（皈依佛门）

好了，到现在为止，我们改准备的都准备了，数据已有，数据已经皈依佛门，算法已有，接下来我们进行测试：

测试代码如下：

测试结果：

the classifier came back with: 3, the real answer is : 3
the classifier came back with: 2, the real answer is : 3
the classifier came back with: 1, the real answer is : 1
the classifier came back with: 2, the real answer is : 2
the classifier came back with: 1, the real answer is : 1
the classifier came back with: 3, the real answer is : 3
the classifier came back with: 3, the real answer is : 3
the classifier came back with: 2, the real answer is : 2
the classifier came back with: 1, the real answer is : 1
the classifier came back with: 3, the real answer is : 1

the total error rate is: 0.050000

错误率为百分之五，效果还行。

最后，来一段python 代码模拟约会网站优化：

交互式模拟相亲网站过滤过程：

我比较倾向于直接进行上代码，所以nobb 了。

写得有些累，scala 和python 都是新学的语言。暂时更新到这里。后面会继续更新，不好意思了，各位大佬们。