网络参数分类：KNN算法的实战应用
1. 分类概述
分类主要用于预测通常为类或类别的结果。具体来说，算法会分析包含一个或多个变量的特定数据集，每个变量都属于特定的类，然后为特定的输入集预测类别。简单来讲，就是为结构化或非结构化数据分配类，这些类也被称为目标、标签或类别。这里主要介绍两种算法：K - 最近邻（KNN）算法和多层感知器（MLP）分类算法。
在对一组值进行分类时，第一步是对推送到云的数据进行预标记。为数据集添加类别可以是分类的，也可以是数值的。这里根据网络流量类型，为注册的值分配了以下状态：
-空闲（Idle）：应用程序打开但处于空闲状态，后台没有运行其他应用程序。此时网络参数大多保持恒定，只有在接收社交媒体应用的消息或通知时可能会有少量波动。
-浏览（Browsing）：在记录这些值时，正在执行诸如网页浏览和滚动Facebook等社交媒体的任务。这种类型的流量可视为中等。
-流媒体（Streaming）：使用Twitch直播平台或YouTube上的直播视频观看视频，同时将值发送到云。这意味着设备在网络使用方面非常活跃。
以下是一个预标记数据的示例，如“laptopclassified” Cloudant数据库：
| Key | Download Speed | Upload Speed | Packets Received | Packets Sent | Status |
| — | — | — | — | — | — |
| 12 | 2 | 1 | 9 | 5 | idle |
