python实现knn算法案例_Python实现的knn算法示例

以下是 Python 实现的 KNN 算法示例：

import numpy as np

class KNN:
    def __init__(self, k=3):
        self.k = k
    
    def fit(self, X, y):
        self.X = X
        self.y = y
    
    def predict(self, X):
        y_pred = []
        for x in X:
            distances = np.sqrt(np.sum((self.X - x)**2, axis=1))
            indices = np.argsort(distances)[:self.k]
            labels = self.y[indices]
            y_pred.append(max(labels, key=list(labels).count))
        return y_pred

其中，`KNN` 类有三个方法：

- `__init__(self, k=3)`：初始化方法，参数 `k` 为最近邻的个数，默认为 3。
- `fit(self, X, y)`：训练方法，参数 `X` 为训练数据，`y` 为标签。
- `predict(self, X)`：预测方法，参数 `X` 为测试数据，返回预测结果。

在该实现中，使用了 `numpy` 库计算欧氏距离和排序。`np.argsort()` 函数返回数组中元素从小到大排序后对应的索引，因此取前 `k` 个索引即为最近邻的索引。最后，返回最近邻中出现最多的标签作为预测结果。