KNN算法资料包含教程和实验

用Python3.5实现的KNN算法，Python2只要去掉print的括号就可以正常使用

通过KNN算法,在我们已知的带有标签和含量测试的大数据条件下,能够比较快地而且准确地获取判断出其植被带信息,从而提高工作效率和识别准确度。

knn算法测试数据

kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别

KNN算法的matlab程序，可以作为参考

KNN算法通过matlab得简单实现。

相比于上述距离，马氏距离更为精确，因为它能考虑很多因素，比如单位，由于在求协方差矩阵逆矩阵的过程中，可能不存在，而且若碰见3维及3维以上，求解过程中极其复杂，故可不使用马氏距离。cov = E - E

利用KNN算法进行分类，matlab实现，可以查看分类效果和精确度

KNN算法的的强大开发，有源代码和实验原始数据，并且还有效果图！

用java实现knn算法,使用access数据库的表数据,使用欧氏距离作为度量,对电影进行简单分类:根据接吻次数和战斗次数两维,判断测试数据组那些是浪漫片 那些是动作片。