数据挖掘学习札记之KNN算法（二）
在数据挖掘学习札记之KNN算法（一）里，使用sklearn模块对例子进行了求解，但是并不清楚k的取值。
下面是我写的一个Python代码，程序采用“小题大做”的方式，一方面可以熟悉算法，另一方面练习Python编程，可以看到,当k取1,2,3,4,5时，knn算法预测未知电影的类型都是R，即Romance。
说明：
1. 距离使用欧氏距离；
2. k近邻搜索使用线性扫描；
3. 未知电影对象调用label方法，得到预测类型;
>>> test.label(1)(2, 2, 100, 'R')'R'>>> test.label(2)(2, 2, 100, 'R')(3, 1, 81, 'R')'R'>>> test.label(3)(2, 2, 100, 'R')(3, 1, 81, 'R')(1, 3, 104, 'R')'R'>>> test.label(4)(2, 2, 100, 'R')(3, 1, 81, 'R')(1, 3, 104, 'R')(4, 101, 10, 'A')'R'>>> test.label(5)(2, 2, 100, 'R')(3, 1, 81, 'R')(1, 3, 104, 'R')(4, 101, 10, 'A')(5, 99, 5, 'A')'R'>>> test.label(6)(2, 2, 100, 'R')(3, 1, 81, 'R')(1, 3, 104, 'R')(4, 101, 10, 'A')(5, 99, 5, 'A')(6, 98, 2, 'A')'unknown'>>>
上面的运行如下解释，
首先，初始化6个电影对象，代表6个实例，第7个是未知电影test，它的类型tag未知。然后调用label方法， test.label(2)，表示利用test的最近的两个邻居来预测，test电影的类型。在运行中，我们打印出了，该未知电影的k个近邻。
知识点：
1. 使用sort进行排序时，可以指定key，使得按指定方式排序，上面的代码key=lambda dis:dis[1]使用每个元素（二元组）的第二个为键进行排序，因为第二元组的第一个是电影的序号，第二个是距离；
2. 虽然Python没有函数重载，但是可以使用默认参数达到同样的目的，比如print函数，既可以打印一个电影，也可以打印一个电影列表。关于Python的函数重载问题，网上有评论，比如这里。
