knn python实现 k不小于3

好的，我可以帮你解答这个问题。KNN，即K-Nearest Neighbor，是一种基于距离度量的分类算法。它的基本思想是：对于一个新的样本，找出训练集中最接近它的K个样本，然后根据这K个样本的类别，来预测新样本的类别。

在Python中，可以使用scikit-learn库来实现KNN算法。下面是一个KNN的Python示例代码，其中K取值为3：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 定义训练集
X_train = np.array([[1,1], [1,2], [2,2], [4,4], [4,5], [5,5]])
y_train = np.array([0, 0, 0, 1, 1, 1])

# 创建KNN分类器，K取值为3
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 定义一个新样本
X_new = np.array([[3,3]])

# 预测新样本的类别
y_pred = knn.predict(X_new)

# 输出预测结果
print(y_pred)

在上面的代码中，我们首先定义了一个训练集，它包含了6个样本，其中前3个样本属于类别0，后3个样本属于类别1。然后我们创建了一个KNN分类器，并将K的取值设置为3。接着，我们使用训练集来训练KNN模型。最后，我们定义了一个新样本X_new，并使用训练好的模型来预测它的类别。预测结果为1，说明新样本属于类别1。

希望这个示例代码对你有所帮助！