KNN算法python

KNN（K-Nearest Neighbors）算法是一种常用的机器学习算法，用于分类和回归问题。它的基本思想是通过计算待分类样本与训练集中各个样本之间的距离，选取距离最近的K个样本作为邻居，然后根据邻居的标签进行分类或回归预测。

在Python中，可以使用scikit-learn库来实现KNN算法。下面是一个简单的示例代码：

from sklearn.neighbors import KNeighborsClassifier

# 创建KNN分类器对象
knn = KNeighborsClassifier(n_neighbors=3)

# 准备训练数据
X_train = [[1, 2], [3, 4], [5, 6], [7, 8]]
y_train = ['A', 'B', 'A', 'B']

# 训练KNN分类器
knn.fit(X_train, y_train)

# 准备测试数据
X_test = [[2, 3], [4, 5]]

# 使用KNN分类器进行预测
y_pred = knn.predict(X_test)

# 打印预测结果
print(y_pred)

上述代码中，首先导入了`KNeighborsClassifier`类，然后创建了一个KNN分类器对象`knn`。接着准备了训练数据`X_train`和对应的标签`y_train`，并使用`fit`方法对KNN分类器进行训练。然后准备了测试数据`X_test`，并使用`predict`方法对测试数据进行预测，将预测结果存储在`y_pred`中，最后打印出预测结果。