案例一 朋友活动
林小夏的两项兴趣都在0—10分之间。看看兴趣相近的同学过去选了什么活动，预测她可能选桌游组还是户外组。
姓名只帮助识别样本，不参与距离比较；本例不评价友情、性格或恋爱。
CHAPTER 04 · LEARN FROM NEIGHBORS
让数据教会机器，让证据检验答案。
Let data teach the machine, and let evidence test the answer.
UNDERSTAND · 40 MIN
让熟悉的例子带你入门
一条同学记录样本 Sample
A 张晓宇
用来比较的数值特征 Features
户外运动兴趣 1
室内桌游兴趣 9
过去实际选择标签 Label
桌游组
机器学习 Machine Learning 借鉴已知样本，预测新样本。这里固定看最近的3个邻居 Nearest Neighbors，每个邻居1票，用多数投票 Majority Voting 得到分类。
案例二 酒店订单
用8条历史订单的提前预订天数，预测许安的新订单是否取消。H09孙宁是留到最后检验的新订单，不能加入历史投票。
全部姓名与数据均为虚构。2∶1是票数构成，不是真实概率，也不能证明业务准确率。
第四章先建立直觉
本章无需编程，不要求手算距离。第六章再系统比较K值、特征尺度、距离权重与评估方法。
课堂短视频 机器怎样从例子中学习
观看前4分钟，观察“数据＋什么”帮助机器学习，再联系本课的活动标签。
打开机器学习简介 · 00:00—04:00 ↗TensorFlow中文教学视频。若课堂网络无法播放，可用“数据＋标签→寻找关系→新样本预测”代替讨论。
三道课堂互动 先答，再看解释
PREDICT · VERIFY · EXPLAIN
在线近邻学习实验室
无需安装Python。建议先做朋友F1、F2和酒店H1、H3；也可只选自己能完成的题。做几题就提交几题，解释清楚比凑数量更重要。
HUMAN + AI · 15 MIN
WorkBuddy帮你整理，你负责核验
先完成并保存自己选择的练习，在“作业提交”下载Word草稿，作为个人原材料。再打开实际WorkBuddy客户端；本网页提供指导，不会替你执行WorkBuddy任务。
- 准备材料
建立本课专用目录。source只放本人Word草稿，output存放助手生成的新文件。
- 先审计划
复制下面提示词，检查读取范围、输出内容和核对方法。确认后再让助手执行。
- 打开新文件
对照一题自己的原记录，检查输入、姓名、原圈选、预测和票数是否被保留。
可复制的任务提示词
我在学习3近邻分类。我的课程专用目录是［填写目录］。只读source中我本人的Word练习草稿，不修改原材料；新文件只写入output。请先列计划，说明读取哪些文件、怎样保留我原来的圈选和预测、如何整理实际已做题并检查矛盾，等我确认后再执行。未选题只注明未做；不得代做预测、补造运行结果或替写解释与反思。确认后生成对照表和核对记录，让我逐项核验；不要声称重新运行了网页GUI。
确认计划后回复：“我已核对并确认上述范围，请按计划执行。”
例如：原记录是什么，助手整理后有没有改变，我怎样核对或修正。尚未使用或无法运行，也可以如实说明。
“正在用脑过度，已申请工伤。”——助手能帮忙整理，解释和核验还得自己来。
ONE WORD FILE · YOUR OWN EVIDENCE
课堂派只交一份Word
网页会汇总你实际保存的题目，包括原圈选、预测理由、程序近邻与票数、验证解释，以及反思和WorkBuddy核对说明。
没有固定题量或案例配额。至少保存1题、填好班级学号姓名，写不少于30个有效文字的反思，即可下载正式Word作业。未选题不当成缺项。
下载后打开Word核对，必要时补充，再上传课堂派本次作业。网页暂存不等于已经提交课堂派。