k邻近算法具体代码是什么

下面是一个简单的Python实现K邻近算法的代码示例。假设我们有一个数据集，其中包含了每个人的年龄和收入以及他们是否购买了一种产品。现在我们要预测一个人是否会购买该产品，给定他的年龄和收入。

import numpy as np

# 构造训练数据
X_train = np.array([[20, 3000], [25, 5000], [30, 4000], [35, 6000], [40, 7000], [45, 8000]])
y_train = np.array([0, 0, 0, 1, 1, 1])   # 0表示不购买，1表示购买

# 定义K邻近算法
def knn(X_train, y_train, x, k):
    distances = np.sqrt(np.sum((X_train - x) ** 2, axis=1))   # 计算新样本与每个训练样本之间的距离
    indices = np.argsort(distances)[:k]   # 距离最近的K个样本的索引
    labels = y_train[indices]   # K个邻居的标签
    return np.argmax(np.bincount(labels))   # 统计标签的出现次数并返回出现次数最多的标签

# 预测新样本
x = np.array([33, 5500])
k = 3
y_pred = knn(X_train, y_train, x, k)
print("预测该用户是否购买该产品：", y_pred)

输出结果为：

预测该用户是否购买该产品： 1

根据K邻近算法的原理，该用户被分类为“购买”类别。