knn的python代码

以下是一个简单的KNN算法的Python代码实现：

import numpy as np
from collections import Counter

class KNN:
    def __init__(self, k=3):
        self.k = k

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

    def predict(self, X):
        predicted_labels = [self._predict(x) for x in X]
        return np.array(predicted_labels)

    def _predict(self, x):
        distances = [np.sqrt(np.sum((x - x_train)**2)) for x_train in self.X_train]
        k_indices = np.argsort(distances)[:self.k]
        k_nearest_labels = [self.y_train[i] for i in k_indices]
        most_common = Counter(k_nearest_labels).most_common(1)
        return most_common[0][0]

其中KNN类的构造函数初始化参数k，即为KNN算法中的K值。fit方法用于训练模型，接收训练数据X和对应的标签y。predict方法用于预测新的数据，接收待预测数据X，并返回相应的预测结果。_predict方法为内部方法，用于预测单个数据。首先计算待预测数据与训练数据之间的欧氏距离，然后选取距离最近的k个数据的标签，统计这k个标签中出现最多的标签作为预测结果。