KNNknn_brute_force函数

以下是一个简单的KNN暴力搜索算法的Python实现：

import numpy as np

def knn_brute_force(X_train, y_train, X_test, k):
    num_test = X_test.shape[0]
    num_train = X_train.shape[0]
    dists = np.zeros((num_test, num_train))
    for i in range(num_test):
        for j in range(num_train):
            dists[i, j] = np.sqrt(np.sum((X_test[i] - X_train[j]) ** 2))
    y_pred = np.zeros(num_test)
    for i in range(num_test):
        closest_y = []
        closest_y = y_train[np.argsort(dists[i])][:k]
        y_pred[i] = np.argmax(np.bincount(closest_y))
    return y_pred

其中，X_train和y_train是训练集的特征和标签，X_test是测试集的特征，k是选择的最近邻数。

该函数首先计算测试集中每个样本与训练集中每个样本的距离，然后选择距离最小的k个样本，统计它们所属的类别，最终将出现次数最多的类别作为每个测试样本的预测类别。返回预测类别的数组。