python k邻近搜索 代码实现

以下是 Python 中 k 近邻搜索算法的代码实现示例：

from collections import Counter
import math

def euclidean_distance(x, y):
    return math.sqrt(sum([(a - b) ** 2 for a, b in zip(x, y)]))

class KNN:
    def __init__(self, k):
        self.k = k
        
    def fit(self, X, y):
        self.X = X
        self.y = y
        
    def predict(self, X):
        y_pred = []
        for x in X:
            distances = []
            for i, x_i in enumerate(self.X):
                distance = euclidean_distance(x, x_i)
                distances.append((i, distance))
            distances = sorted(distances, key=lambda x: x[1])
            indices = [i for i, _ in distances[:self.k]]
            labels = [self.y[i] for i in indices]
            label = Counter(labels).most_common(1)[0][0]
            y_pred.append(label)
        return y_pred

这个示例实现了一个 KNN 分类器，其中 `euclidean_distance()` 函数计算两个向量之间的欧几里得距离，而 `KNN` 类的 `fit()` 方法用于训练分类器，而 `predict()` 方法用于使用训练好的分类器进行预测。