knn分类器的代码实现

K近邻(K-Nearest Neighbors, KNN)分类器是一种基于实例的学习方法，简单来说，就是将新样本归类到其k个最近邻居（按距离度量）所属类别中最常见的那个。以下是KNN分类器的一个简单的Python实现，使用sklearn库：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 假设我们有一个数据集 X_train 和对应的标签 y_train
X_train = ... # 输入特征数据
y_train = ... # 标签数组

# 创建KNN分类器，设置k值（例如k=5）
knn_classifier = KNeighborsClassifier(n_neighbors=5)

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

# 新的数据点预测
new_data = ... # 需要预测的新样本
prediction = knn_classifier.predict([new_data])

print("预测结果:", prediction)

在这个例子中，`fit`方法用于学习数据模式，`predict`方法则用于对新的数据进行分类。当你需要改变K值或调整其他参数时，可以直接在创建KNeighborsClassifier实例时设置。