算法和數(shù)據(jù)，作為機器學(xué)習(xí)或者深度學(xué)習(xí)中最重要的兩把利劍，合力幫助人們解決許多無法靠人力或者簡單堆疊去解答的問題。然而，現(xiàn)如今的算法發(fā)展突飛猛進，即使是再優(yōu)秀的人也不可能了解所有的算法（大神可能懂的多或者學(xué)的快，不在本推文的讀者之列）。只是，對于許多像筆者這種半路出家的生信分析人員而言，雖然在廣度上對眾多算法有一定了解，然而，在深度上卻遠遠落后于那些專注于做算法的大神們。但是，無論何時進入生信或者數(shù)據(jù)分析領(lǐng)域，學(xué)習(xí)和了解一些算法的常規(guī)基礎(chǔ)，可以幫助我們在算法應(yīng)用上變得稍微游刃有余一點（筆者自以為）。因此，筆者嘗試在后續(xù)的推文中將嘗試將算法以一種簡單直接的方式進行展示，方便讀者進行了解。不過，讀者需要明白，雖然推文中介紹的算法可能不難理解，但是現(xiàn)如今真正使用的這些算法更多的是這些基礎(chǔ)上添加了包括統(tǒng)計學(xué)在內(nèi)的各種精妙設(shè)計，想要精通絕非意識。本推文的目的僅僅是讓讀者初步了解某個算法，而非精通。

那么下面，我們開始第一個算法的介紹KNN。

一 算法介紹

算法原理其實非常簡單，就是以下幾點：

首先，確定其余已知類別的點。

其次，計算該點到每個已知類別點的距離。

第三，對這些點進行排序。

第四，選取前K個最近的點，并計算所分屬每個類別的頻率，并將頻率出現(xiàn)最高的類別作為該點的預(yù)測分類。

最后，通過設(shè)定K值我們就能夠確定當前黑點具體屬于哪一類。

二?慣例小結(jié)

其實這一算法非常簡單，即不需要訓(xùn)練，也無需消耗大量的內(nèi)存和計算資源。然而，先通過KNN這種簡單的算法，我們可以初步了解到算法的本質(zhì)其實就是抽象的事物具象化，并以一定的規(guī)則或者函數(shù)表示方式來展示（自定義，非官方，錯了不認）。當然，今天的推文只是拋磚引玉，后面將依次介紹包括隨機森林、決策樹、線性回歸等等算法，歡迎持續(xù)關(guān)注‘算法淺談’系列

Multi-omics Hammer軟件下載地址：

https://github.com/wangjun258/Multi-omics-Hammer

Multi-omics Visual軟件下載地址：https://github.com/wangjun258/Multi_omics_Visual/releases/tag/Multi_omics_Visual_v1.03

PS：因為本軟件是用python腳本撰寫，調(diào)用了部分依賴包，用戶首次使用需要安裝python以及對應(yīng)的包，安裝之后便可永久使用。

本公眾號開發(fā)的相關(guān)軟件，Multi-omics Hammer軟件和Multi-omics Visual軟件歡迎大家使用。文末是本公眾號在其他平臺的賬戶，也歡迎大家關(guān)注并多提意見。

簡書：WJ的生信小院

公眾號：生信小院

博客園：生信小院

最后，也歡迎各位大佬能夠在本平臺上：1傳播和講解自己發(fā)表的論文；2：發(fā)表對某一科研領(lǐng)域的看法；3：想要達成的合作或者相應(yīng)的招聘信息；4：展示自己以尋找博后工作或者博士就讀的機會;5:博導(dǎo)提供博后工作或者博士攻讀機會，都可以后臺給筆者留言。希望本平臺在進行生信知識分享的同時，能夠成為生信分析者的交流平臺，能夠?qū)崿F(xiàn)相應(yīng)的利益互補和雙贏（不一定能實現(xiàn)，但是夢想總得是有的吧）。

另外，怎么說呢，投幣也可，不強求，但奢求。