python手写数字识别knn算法不使用sklearn

好的，我可以帮你回答这个问题。KNN算法是一种基于实例的学习方法，可以用于分类和回归。在手写数字识别中，我们可以使用KNN算法来将数字图像识别为数字0到9中的一个。

下面是一个不使用sklearn的Python实现KNN算法的示例代码：

import numpy as np

class KNN:
    def __init__(self, k=3):
        self.k = k
    
    def fit(self, X, y):
        self.X_train = X
        self.y_train = y
    
    def predict(self, X):
        y_pred = np.zeros(len(X))
        for i, x in enumerate(X):
            distances = np.sqrt(np.sum((self.X_train - x) ** 2, axis=1))
            nearest_neighbors = np.argsort(distances)[:self.k]
            nearest_labels = self.y_train[nearest_neighbors]
            y_pred[i] = np.bincount(nearest_labels).argmax()
        return y_pred

这个KNN类包含三个方法：

- `__init__`：初始化方法，可选参数k表示最近邻的个数，默认为3。
- `fit`：训练方法，接受训练数据X和标签y作为输入，保存在实例变量self.X_train和self.y_train中。
- `predict`：预测方法，接受测试数据X作为输入，返回预测标签y_pred。

在预测方法中，对于每个测试数据x，计算它与所有训练数据的距离，找出距离最近的k个训练数据，统计它们的标签，选取出现次数最多的标签作为预测结果。

这样，我们就完成了一个简单的KNN算法实现。如果你想进一步优化算法，可以考虑使用KD树或球树来加速最近邻搜索。