假设你有一个包含N个对象的数据库，每个对象包含x和y两个特征属性和一个类别属性c。K=5时的KNN算法代码

假设你的数据库是一个名为“dataset”的列表，每个元素都是一个字典，包含以下键值对：
- "x": 一个表示对象x特征属性的数值
- "y": 一个表示对象y特征属性的数值
- "c": 一个表示对象类别属性的字符串

下面是K=5时的KNN算法代码：

def knn(query_x, query_y, k, dataset):
    distances = []
    # 计算查询点和数据库中每个点之间的距离
    for data in dataset:
        distance = ((data["x"] - query_x)**2 + (data["y"] - query_y)**2)**0.5
        distances.append((distance, data["c"]))
    
    # 按距离从小到大排序
    distances.sort()
    
    # 统计k个最近邻中每个类别出现的次数
    counts = {}
    for i in range(k):
        c = distances[i][1]
        counts[c] = counts.get(c, 0) + 1
    
    # 找到出现次数最多的类别
    max_count = 0
    max_c = None
    for c, count in counts.items():
        if count > max_count:
            max_count = count
            max_c = c
    
    return max_c

使用方法：
- 调用`knn(query_x, query_y, k, dataset)`函数，其中`query_x`和`query_y`分别是查询点的x和y特征属性，`k`是选取的最近邻数，`dataset`是包含N个对象的数据库列表。
- 返回值是一个字符串，表示查询点所属的类别属性。