寻找最好的k
在KNN算法中，k需要提前指定，那么k取多少为最优值？
此处通过for循环创建多个分类器进行比较分类准确率
代码搜索：
验证的结果为k=4时准确率最高，这个过程即所谓调参的过程，寻找最好的超参数的值
注：如果找到的最优值在边界上，很有可能最好值在搜索范围之外，所以应该再往上（下）调整范围以寻找最优的值，因为不同参数决定了不同的准确率，他们之间呈连续型变换的。
KNN中其他超参数
权重weight（考虑权重或不考虑权重）
如图，虽然蓝色投票结果比红色为2:1蓝色获胜但是1票的红色点其实离得更近些，另外投票还有可能产生平票，任意取一个结果并不准确，所以距离上应该考虑权重，考虑权重后红色获胜
代码搜索：
参数p
其他的距离定义
通用的开跟的最短距离为欧拉距离，即图中的绿色
还有曼哈顿距离，图中的红蓝黄均是
将距离一般化即为
一般后的称作明可夫斯基距离，距离中有一个参数p,p取多少准确率最高呢？
代码搜索：
更多的超参数：
学习API: