KNN算法
1.优点： 简单
2.缺点：
- 利用率不高，费时
- 高度数据相关，边界数据影响很大
- 结果不具备解释性
- 维度灾难----->降维
3. 可以用于分类
4. 也可以用于回归
机器学习过程
- 把数据分为测试数据和训练数据
- 对测试数据集进行归一化、测试数据集进行归一化
- 进行训练，判断准确度·
- 可以通过网格搜索来获得最好的超参数，提高准确度