python写一个KNN算法代码

好的，下面是一个简单的 Python KNN 算法代码实现：

import numpy as np

class KNN:
    def __init__(self, k):
        self.k = k

    def fit(self, X, y):
        self.X_train = X
        self.y_train = y

    def predict(self, X):
        y_pred = []
        for i in range(len(X)):
            distances = []
            for j in range(len(self.X_train)):
                distance = np.sqrt(np.sum(np.square(X[i] - self.X_train[j])))
                distances.append((distance, self.y_train[j]))
            distances.sort()
            neighbors = distances[:self.k]
            classes = {}
            for neighbor in neighbors:
                if neighbor[1] in classes:
                    classes[neighbor[1]] += 1
                else:
                    classes[neighbor[1]] = 1
            sorted_classes = sorted(classes.items(), key=lambda x: x[1], reverse=True)
            y_pred.append(sorted_classes[0][0])
        return y_pred

其中，KNN 类包含三个方法：

- `__init__`：初始化 KNN 类，传入一个参数 k，表示要选择几个最近邻；
- `fit`：训练模型，传入训练数据 X 和对应的标签 y；
- `predict`：预测新的数据，传入测试数据 X，返回预测标签 y_pred。

KNN 算法的思路是，对于测试集中的每个数据点，计算其到所有训练集数据点的距离，选择距离最近的 k 个训练集数据点，统计这 k 个数据点中出现最多的标签，作为测试数据点的预测标签。