KNN基本回归与分类算法

KNN 的基本回归和分类算法写得挺清楚的，代码也比较好上手。压缩包里用到了scikit-learn和numpy，一个管模型，一个搞数值计算，搭配起来挺顺的。最妙的是不光有标准的KNeighborsClassifier和KNeighborsRegressor玩法，还有用 numpy 手撸的KD 树，原理和加速都能看到，适合想搞懂 KNN 底层逻辑的人。

分类和回归两种情况都有例子，像fit()、predict()这类常用操作写得比较规范。数据预也提了一嘴，比如标准化、归一化，嗯，KNN 对距离挺敏感的，一下确实有用。

再说距离计算，欧氏、曼哈顿、余弦都有，自己选顺手的。分类就是看谁投票多，回归就平均一下结果，逻辑也比较直给。顺手翻了一下文件，结构清晰，适合边看边改。

哦对了，如果你想了解更多，像KNN 的参数调节、鸢尾花分类这类入门例子也挺值得一看，和压缩包一起看理解会更快。

如果你刚上手机器学习，或者在复习 KNN 的基本逻辑，这套代码蛮不错的。建议你先跑一遍，再试着手动改改参数或者写个小数据集试试，理解会更扎实。