Python实现KNN回归

KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。

以下是KNN回归（calendar_strategy_KNN.py）中用到的部分代码：

X = np.array(X)
Y = np.array(Y)
X = X.reshape(-1,1)
Y = Y.reshape(-1,1)
X_test = np.array(OutofExpectation)
clf=knr(n_neighbors=Events_minimum_counts, weights='distance').fit(X,Y)
Y_test = clf.predict(X_test)

其中fit（x，y）表示 ：

x作为训练样本，y作为目标值。即找到x最近的k个邻居的y值，将其加权平均（weights=’distance’），将平均后的值作为此样本的y值。

参考文献（K近邻回归算法实现）：

http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html#sklearn.neighbors.KNeighborsRegressor%20K%E8%BF%91%E9%82%BB%E5%9B%9E%E5%BD%92python%E5%AE%9E%E7%8E%B0