基本概念  

    利用K-近邻算法对约会网站中匹配对象进行快速归类。

    基本思路步骤:

    收集数据：提供文本文件；

    准备数据：使用Python解析文本文件；

    分析数据：使用Matplotlib画二维扩散图；

    训练算法：设计分类算法；

    测试算法：使用部分数据作为测试样本，观测错误率；

    使用算法：产生简单的程序，输入特征数据判断对象是否为喜欢类型。

解析文本数据

    利用NumPy库对文本文件进行处理解析，编写文本读取文件程序并验证。

    文本处理方法

    进行验证

分析数据

    使用Matplotlib制作数据的散点图，包括原始数据散点图（2&3 ）和加入色彩与信息的数据散点图。

    函数代码

    散点图效果图如下

    进行比对分析，相比于取2&3、1&2，1&3可以更好的展示效果进行分类。

归一化处理

    由于特征值之间数值差距太大，从而导致数值距离计算中比重不同，导致每个特征值对计算结果影响不同，所以进行归一化处理，提高准确率。

    归一化特征值程序

测试算法

    编写完整程序进行分类器验证

    测试结果

    分类处理约会数据集的数据错误率是5%,满足要求

涉及的Python函数功能介绍

1、Python x[:,0]的含义

    X[:,0]为numpy中数组的一种方法，代表的是对一个二维的数组，取该二维数组第一维中的所有数据，简单表述就是取每行的第0个数据。

    举例说明：

    结果如下：

2、Python中numpy数组切片

3、scatter()函数作用

    https://blog.csdn.net/u013634684/article/details/49646311

4、Python中for i in range ()作用

    https://blog.csdn.net/weixin_38705903/article/details/79238226