資料內(nèi)容：
我們的數(shù)據(jù)集里面有一半是“朱”（圖中淺色的點〉，另一半是“ 墨”（圖中深色的點）。
現(xiàn)在有了一個新的數(shù)據(jù)點，顏色未知，我們怎么判斷它屬于哪一個分類呢？
對于K 最近鄰算法來說，這個問題就很簡單：新數(shù)據(jù)點離誰最近，就和誰屬于同一類，從圖
3-1 中我們可以看出，新數(shù)據(jù)點距離它8 點鐘方向的淺色數(shù)據(jù)點最近，那么理所應當?shù)?，這個
新數(shù)據(jù)點應該屬于淺色分類了，如圖3 -2 所示。
看起來， K 最近鄰算法真是夠簡單的，這么輕松就完成了分類的工作。別急，我們還沒說完。
剛才只是舉的最簡單的例子，選的最近鄰數(shù)等于1 。但如果我們在模型訓練過程中讓最近鄰數(shù)
等于1 的話， 那么非?？赡軙噶?ldquo; 一葉障目，不見泰山 ＂的錯誤，試想一下，萬一和新數(shù)
據(jù)點最近的數(shù)據(jù)恰好是一個測定錯誤的點呢？
所以需要我們增加最近鄰的數(shù)量，例如把最近鄰數(shù)增加到3 ，然后讓新數(shù)據(jù)點的分類和3 個當
