KNN（K近邻算法）
基础理解
面对这个算法需要蹦出来几个问题：KNN是什么？可以解决什么问题？怎么实现？有什么优缺点？
首先，KNN我们通常称之为K近邻算法，通俗的理解便是如果我们认为两个特征之间他们足够相似，我们就有理由认为他们属于同一个类别。
丰富上一小节的一张图以后:
接着，通常情况下我们使用KNN是用来解决分类问题，当然，很少情况下我们也会使用它来解决回归问题。
其主要的解决思路为：
①求出我们需要预测的点与数据集中的点之间的距离，根据初中所学，我们使用欧拉距离来表示。
②将距离进行排序，找前k个中出现次数最多的便是我们的预测结果。
代码实现：（Github处于外网，所以我在这里
