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
手机数据：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。 手机数据：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比对散点图。 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： 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
