K 近鄰演算法

　　K 近鄰（K Nearest Neighbors，簡稱 KNN）屬於機器學習中的監督式學習，處理分類與迴歸的問題。它是機器學習當中最簡單也是最直觀的演算法，根據資料之間的距離進行分類，距離哪一種類別最近，就被分到哪一類，所以 KNN 常被用於分類問題。

二、案例說明

　　使用 Google 的 Colaboratory (簡稱 Colab) 在瀏覽器中編寫執行 Python 的程式碼，透過 K 近鄰演算法模擬分析寶可夢資料集。於是需要手動匯入寶可夢資料集進行資料分析與處理，建立 K 近鄰演算法的預測模型，然後設定一組未知的資料表示寶可夢的屬性，將其放入模型得出結果會分類在哪一類。

三、如何使用

　　請從範例檔案開啟並下載兩個檔案，其一是本案例的專案檔；其二是寶可夢資料集 (Pokemon_894_12.csv) 的原始資料。接下來，請開啟 Google Colab，點擊「檔案」，再點選「上傳筆記本」的方式，將本案例的專案檔進行上傳即可檢視程式碼與文字說明。在執行程式時，請從頭至尾依序執行程式區塊，方可顯示執行結果。另外，執行 [2-0] 程式區塊時，需要手動上傳寶可夢資料集，才可執行後續的步驟。