1. 编写用scikit-learn中的KNeighborsClassifier函数对以下3组测试数据进行分类。说明如下： （1）根据身高、体重、鞋号来预测男女性别。 （2）11组训练数据及标签如下所示。

为了使用scikit-learn的KNeighborsClassifier进行性别预测，我们首先需要将身高、体重和鞋号作为特征，性别作为目标变量。假设我们的数据是一个pandas DataFrame，可以按照以下步骤操作：

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import pandas as pd

# 假设数据存储在一个CSV文件中，比如df
data = pd.read_csv('your_data.csv')  # 请替换为实际文件名

# 提取特征（身高、体重和鞋号）和目标变量（性别）
features = data[['height', 'weight', 'shoe_size']]
target = data['gender']

# 划分训练集和测试集（这里假设70%的数据用于训练，30%用于测试，随机划分）
X_train, X_test, y_train, y_test = train_test_split(features, target, test_size=0.3, random_state=42)

# 创建KNN分类器实例，并设置邻居数（k值）
knn_classifier = KNeighborsClassifier(n_neighbors=5)  # 可能需要调整n_neighbors参数

# 使用训练数据拟合模型
knn_classifier.fit(X_train, y_train)

# 对测试数据进行预测
predictions = knn_classifier.predict(X_test)

# 输出预测结果
print("Predicted gender for test data:")
print(predictions)

在这个例子中，我们假设了数据已经准备好并存在CSV文件中。你需要根据实际情况修改文件路径和列名称。`n_neighbors`是一个重要的超参数，你可以尝试不同的值来找到最佳性能。