示例：使用KNN改進約會網站配對效果(學習這一節把自己需要注意的和理解的記錄下來)

第零步：實現KNN演算法：
需注意：

classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
#Python 字典(Dictionary) get() 函式返回指定鍵的值，如果值不在字典中返回預設值。

sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
#Python 字典(Dictionary) items() 函式以列表返回可遍歷的(鍵, 值) 元組陣列。
 

#這行程式碼指按字典classCount第一個域(value)，降序排列，返回值為（標籤，值）

sortedClassCount = sorted(classCount.values(),reverse=True)[0]
best=list(classCount.keys()[list(classCount.values()).index(sortedClassCount)]

因為目的是找出前k個點出現頻率最高的類別，所以根據value找出對應的key也可以

第一步：從檔案解析資料，整理為numpy陣列（最好這樣弄）

第二步：歸一化資料

需要注意np.tile（函式），類似於matlab中的repmat函式，對矩陣擴充套件（平移）

第三步：驗證分類器