我正在学习一点ML。我知道k近邻（kNN）的基础知识，但我总是看到它用于示例中的连续数据。
我现在使用的教程使用kNN对混合类型的某些数据进行分类（连续特征和几个分类特征）。我知道对于连续的人来说，通常只使用欧几里德距离或其他东西，但是当它混合时它们如何处理呢？
我看到如何轻松计算二进制变量的距离，但是如果没有＆＃34;命令＆＃34;那么分类的那个呢？
编辑：我正在关注Kaggle问题的this教程。在清理数据后，他将其形式为：
Survived Pclass Sex Age Fare Embarked Title IsAlone Age*Class
0 0 3 0 1 0 0 1 0 3
1 1 1 1 2 3 1 3 0 2
2 1 3 1 1 1 0 2 1 3
3 1 1 1 2 3 0 3 0 2
4 0 3 0 2 1 0 1 1 6
5 0 3 0 1 1 2 1 1 3
6 0 1 0 3 3 0 1 1 3
7 0 3 0 0 2 0 4 0 0
8 1 3 1 1 1 0 3 0 3
9 1 2 1 0 2 1 3 0 0
（第一列实际上是ID）
所以它有点奇怪，因为它混合了二元（例如，性别），分类和有序（例如，年龄被分为4或5个年龄段），并且是分类但无序的（例如，根据他们所使用的端口，开始是0,1或2，所以我不认为它有订单。
数据分割如下：
X_train = train_df.drop("Survived", axis=1)
Y_train = train_df["Survived"]
X_test = test_df.drop("PassengerId", axis=1).copy()
X_train.shape, Y_train.shape, X_test.shape
然后它就像这样传递给kNN：
knn = KNeighborsClassifier(n_neighbors = 3)
knn.fit(X_train, Y_train)
Y_pred = knn.predict(X_test)
acc_knn = round(knn.score(X_train, Y_train) * 100, 2)
acc_knn
那么它是如何做kNN的呢？我们还没有给出任何信息或指示。
答案 0 :(得分：3)
sklearn的kNN将对所有功能使用相同的（选定的）指标（在API中指明;无混合指标的选项！）。
你是对的，在混合的情况下这是有问题的，但你的工作就是为此准备数据！标准方法是使用单{hot}编码，如here所述：
通常，功能不是连续值，而是分类。
...
此类整数表示不能直接与scikit-learn估算器一起使用，因为它们期望连续输入，并且会将类别解释为有序，这通常是不期望的（即，浏览器集是任意排序的）。
将分类特征转换为可与scikit-learn估算器一起使用的特征的一种可能性是使用在OneHotEncoder中实现的一个K或一个热编码。此估计器将每个分类特征转换为m个可能的值，转换为m个二进制特征，只有一个活动。
根据您的数据，这可能会增加很多功能！在这种情况下，您需要做出决定：
Note: fitting on sparse input will override the setting of this parameter, using brute force.）