数据集X=([0],[1],[2],[3]),Y=[0,0,1,1]，预测[0.5]点的所属类别, 近邻数为3.

首先，我们需要计算样本点[0.5]与数据集X中每个样本点的距离。在这个例子中，我们只有一个特征，因此距离计算公式为欧式距离：

d(x, y) = sqrt((x - y)^2)

对于[0.5]点和数据集X中的每个点，我们得到以下距离：

d([0], [0.5]) = 0.5
d([1], [0.5]) = 0.5
d([2], [0.5]) = 1.5
d([3], [0.5]) = 2.5

然后，我们需要选择最接近[0.5]点的三个样本点。在这个例子中，最近的三个点是[0]、[1]和[2]。它们的标签分别是0、0和1。

最后，我们需要根据三个最近邻的标签来预测[0.5]点的标签。在这个例子中，最近的三个点中有两个标签为0，一个标签为1，因此我们预测[0.5]点的标签为0。