knn算法python代码

以下是一个简单的KNN算法的Python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):
        distances = []
        targets = []

        for i in range(len(self.X_train)):
            distance = np.sqrt(np.sum(np.square(X - self.X_train[i, :])))
            distances.append([distance, i])

        distances = sorted(distances)

        for i in range(self.k):
            index = distances[i][1]
            targets.append(self.y_train[index])

        return Counter(targets).most_common(1)[0][0]

这个KNN类包含三个方法：

- `__init__`：初始化KNN算法的K值；
- `fit`：将训练数据集X和y存储在类中，以备后续的预测使用；
- `predict`：根据输入的测试数据集X，预测其对应的标签。

其中，`predict`方法包含了KNN算法的核心实现：

- 对于每个测试数据点，计算它与所有训练数据点的距离；
- 将距离按照从小到大排序；
- 取前K个距离最小的训练数据点的标签，并统计它们出现的次数；
- 返回出现次数最多的标签作为预测结果。

需要注意的是，这个代码实现中使用了Python的NumPy库来进行向量和矩阵的运算，以提高计算效率。