KNN鄰近算法原理：
1、KNN主要是通過已知分類，然後通過未知的數據與其進行距離測算，然後通過給定的距離範圍裏面包含的數據量K，進行排序，數據距離最近的K個數裏面，類型數目最多的就是校驗的樣本的類型。
2、然後通過使用所有列的最大數據減去最小數，然後樣本除於這個最大間距，來實現數據歸一化，防止樣本數據值相差太大，導致數據誤差偏大，然後重新計算測試樣本。
3、其次在有一個數據源時，利用10%作爲樣本進行測試，另外90%作爲訓練，樣本用來進行測試錯誤率是不是在你需要的範圍，訓練集用來最後測試你的輸入值，來通過整體數據源的準確率來判斷你的分類結果是否正確。
實踐的案例有哪些？
1、手寫數字識別：通過轉換成數字來進行判斷。
2、網絡約會類型識別：通過各類型轉換成數字，然後通過輸入新的數字來進行判斷是否是可行分類。
3、各優惠券金額產生的商品單價對應的職業類型識別：通過指標轉換，來輸入優惠券查看可能的類型。
