（1）收集数据：提供文本文件
（2）准备数据：使用python 解析文本文件
（3）分析数据：使用 Matpltlib 画二维扩散图
（4）训练算法：此步骤不适用 k-近邻算法
（5）测试算法：使用海伦提供的部分数据作为测试样本，测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据, 如果预测分类与实际类别不同，则标记为一个错误
（6）使用算法：产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型.
（1）收集数据：提供文本文件
（2）准备数据：使用python 解析文本文件
（3）分析数据：使用 Matpltlib 画二维扩散图
（4）训练算法：此步骤不适用 k-近邻算法
（5）测试算法：使用海伦提供的部分数据作为测试样本，测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据, 如果预测分类与实际类别不同，则标记为一个错误
（6）使用算法：产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型.
原文：http://www.cnblogs.com/xm0629/p/8051421.html