前一陣子，在學習機器學習參考資料《Machine learning in action》，一本以python語言爲主。python比較簡單，寫算法比較靈活，對數組矩陣的計算形式調用較爲簡單。
第一個機器學習的例子，就是kNN，它是一個簡單的機器學習模型，容易理解而且效率高。原理和它的想法都很簡單：用距離來分類的方法，計算待分類樣例與已知所有分類樣例的距離，對結果進行排序，找出最小距離的前k個結果，對k個結果進行投票統計，得票最多的就是屬於那一類。
問題來了是什麼距離作爲衡量標準，我們知道距離有歐氏距離，馬氏距離還是歐氏距離？它採用的是歐氏距離。
舉個例子，它是怎麼做的，也行就明白爲什麼選擇歐氏距離。
書中用的例子：要對一個電影進行分類，看它是屬於哪個類別的。比如，已知下表：
我們想知道一個電影XX是屬於羅曼題材還是動作題材的，於是我們計算XX與上表中已知電影的各個距離，如下表：
加入k= 3 ，從上面的表格看到前3個距離最小的都是屬於Romance，即XX就是羅曼題材的電影。
原理部分已經完成。送上歐式距離的計算方法：
