knn预测算法的完整代码

KNN（K-Nearest Neighbors，K近邻）是一种基于实例的学习方法，常用于分类和回归问题。下面是一个简单的Python版本的KNN预测算法的示例，使用sklearn库：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 假设我们有数据集X (特征) 和 y (标签)
# X_train, y_train 是训练数据，X_test 是测试数据
X_train, y_train = ..., ...
X_test = ...

# 初始化KNN模型，这里设置k=5（即邻居的数量）
knn = KNeighborsClassifier(n_neighbors=5)

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

# 预测测试数据
y_pred = knn.predict(X_test)

# 打印一些预测结果
for i in range(len(y_pred)):
    print(f"测试样本 {i+1} 的预测类别: {y_pred[i]}")

#