KNN
- 思想简单
- 数学所需知识少（近零）
- 效果好
- 可解释机器学习算法使用过程中的很多细节问题
- 更完整的刻画机器学习应用的流程
K近邻本质：如果两个样本足够相似，那么它们就有可能属于同一类别。
e.g. 绿色的点是新加入的点，取其最近的k（3）个点作为小团体来投票，票数高的获胜（蓝比红-3：0）,所以绿点应该也是蓝点
计算距离：
最常见 -> 欧拉距离，求a, b两点的距离（二维，三维，多维）：
-> 
理解小笔记：(（a样本第一个维度特征-b样本第一个维度特征）2 + （a样本第二个维度特征-b样本第二个维度特征）2 + ... ) 再开根
近乎可以说，KNN算法是机器学习中唯一一个不需要训练过程的算法。输入用例可直接送给训练数据集。
- KNN可以被认为是没有模型的算法
- 为和其他算法统一，可认为其训练数据集本身就是模型
