本文将遍历批量数据点并让TensorFlow更新斜率和y截距。这次将使用Scikit Learn的内建iris数据集。特别地，我们将用数据点（x值代表花瓣宽度，y值代表花瓣长度）找到最优直线。选择这两种特征是因为它们具有线性关系，在后续结果中将会看到。本文将使用L2正则损失函数。
# 用TensorFlow实现线性回归算法
#----------------------------------
#
# This function shows how to use TensorFlow to
#
目录一、KNN算法Python实现1、导入包2、 画图，展示不同电影在图上的分布3、训练样本和待测样本准备4、计算待测样本点到每个训练样本点的距离5、查找离待测样本点最近的K个训练样本点的类型6、找出数量最多的类7、写成自定义函数二、鸢尾花（iris）数据集测试1、导入包2、导入数据，划分数据集3、调用写好的KNN函数，并计算查准率、查全率和混淆矩阵
KNN是机器学习十大算法之一，因为原理很好理解，有一句话：“Talk is cheap.Show me the code.” 所以用Python来
