1.使用k近邻回归算法，对波士顿房价数据进行预测，并画出真实值与预测值的图像对比冬 2.使用k近邻分类算法，针对红酒数据集进行训练和预测，输出其准确率与混淆矩阵

好的，我会尽力回答您的问题。

1. 对波士顿房价数据进行预测使用k近邻回归算法，并画出真实值与预测值的图像对比

首先，我们需要加载波士顿房价数据集，代码如下：

from sklearn.datasets import load_boston
import pandas as pd

boston = load_boston()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
data['PRICE'] = boston.target

接下来，我们将数据集分为训练集和测试集，然后使用k近邻回归算法进行训练和预测，代码如下：

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error

X = data.drop('PRICE', axis=1)
y = data['PRICE']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

knn = KNeighborsRegressor(n_neighbors=5)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

最后，我们可以使用matplotlib库画出真实值与预测值的图像对比，代码如下：

import matplotlib.pyplot as plt

plt.scatter(y_test, y_pred)
plt.plot([0, 50], [0, 50], '--k')
plt.xlabel('True price ($1000s)')
plt.ylabel('Predicted price ($1000s)')
plt.title('Boston house prices: true vs. predicted')
plt.show()

2. 使用k近邻分类算法，针对红酒数据集进行训练和预测，输出其准确率与混淆矩阵

首先，我们需要加载红酒数据集，代码如下：

from sklearn.datasets import load_wine
import pandas as pd

wine = load_wine()
data = pd.DataFrame(wine.data, columns=wine.feature_names)
data['CLASS'] = wine.target

接下来，我们将数据集分为训练集和测试集，然后使用k近邻分类算法进行训练和预测，代码如下：

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, confusion_matrix

X = data.drop('CLASS', axis=1)
y = data['CLASS']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

最后，我们可以使用accuracy_score函数输出准确率，使用confusion_matrix函数输出混淆矩阵，代码如下：

print('Accuracy:', accuracy_score(y_test, y_pred))
print('Confusion matrix:\n', confusion_matrix(y_test, y_pred))

希望能够帮助到您！