1.机器学习概括

2.KNN原理：越相近越相似

3.sklearn建模流程：

　　from sklearn.neighbors import KNeighborsClassifier #导入需要的模块

　　clf = KNeighborsClassifier(n_neighbors = k) #实例化

　　clf = clf.fit(X_train, y_train) #用训练集训练模型

　　result = clf.score(X_test, y_test) #导入测试集，查看模型效果

4.学习曲线（找最佳的K）→交叉验证（K折，准确率高+方差较小）→归一化（距离类模型需要对数据集归一）→惩罚因子（设距离为惩罚因子）

5.泛化能力：在陌生数据集上表现优秀的能力

6.先划分训练集和测试集→归一化训练集→用训练集归一测试集

7.模型评价：a.应用广泛

　　　　　   b.计算效率低，耗费计算资源较大

　　　　　   c.抗噪性较弱，对异常值敏感

　　　　　   d.模型不稳定，可重复性较弱

　　　　　   e.需要进行归一化处理

8.KNN属于惰性学习，距离一般选择欧几里得距离