给定训练数据样本和标签，对于某测试的一个样本数据，选择距离其最近的k个训练样本，这k个训练样本中所属类别最多的类即为该测试样本的预测标签。简称kNN。通常k是不大于20的整数，这里的距离一般是欧式距离。
2：python代码
2.1 kNN概述
2.1.1：准备：使用python导入数据
2.2.1：实施kNN算法
代码讲解：
(a)tile函数 tile(inX, i)，扩展长度；tile(inX, (i,j)) ;i是扩展个数，j是扩展长度。
(b) python代码路径，需要导入os文件，os.getcwd()显示当前目录，os.chdir(‘’)改变目录，listdir()显示当前目录的所有文件。此外如果修改了当前.py文件，需要在python shell中重新加载该py文件(reload(kNN.py))，以确保更新的内容可以生效，否则python将继续使用上次加载的kNN模块。如：
2.2 约会网站
2.2.1 准备数据：从文本中解析数据
2.2.2 分析数据：使用Matplotlib创建散点图
2.2.3 准备数据：归一化数据
2.2.4 测试算法：
2.2.5 使用算法：
