这是我的作业。我不是在这里请求你们帮我做作业，我需要一个提示来继续进行。

我知道什么是K最近邻算法，但我总是看到它应用在图表上而不是像这样的情况。你们能告诉我我应该做什么吗？我一直在试图弄清楚如何开始做这个但没有成功。我会很感激你们能给我一个小提示。

回答：

这个作业帮助你理解KNN的步骤。KNN基于距离。找到K个最近的邻居，然后可能对分类问题进行投票。

你的训练数据可以被视为(x1,x2, y)：年龄和利润是特征(x1, x2)，而购买或不购买是标签/输出y。

要应用KNN，你需要计算基于特征的距离。由于两个特征使用不同的单位（年，美元），你应该将它们转换为无单位的特征，这称为标准化，在你的讲义中是4.1部分。之后，特征向量看起来像(-0.4,-0.8)。如果使用4.1部分建议的公式，数字应在-1到0之间。

然后使用标准化的特征计算每个训练数据点与你感兴趣的公司（也进行了标准化）之间的距离（讲义中使用欧几里得距离）。这是4.2部分要求的。

最后一步应该是选择K个最近的邻居，并根据这些邻居的输出决定购买或不购买（可能是一个简单的投票？）。