python代码实现K-NN算法，找出每一张图片对应的数字

以下是一个简单的 Python 代码实现 K-NN 算法，用于识别手写数字图片：

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split

# 加载手写数字数据集
digits = load_digits()

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.2, random_state=42)

# 创建 K-NN 分类器
knn = KNeighborsClassifier(n_neighbors=5)

# 使用训练集训练 K-NN 分类器
knn.fit(X_train, y_train)

# 使用测试集评估 K-NN 分类器的准确率
accuracy = knn.score(X_test, y_test)
print("Accuracy:", accuracy)

# 用 K-NN 分类器预测测试集中的每一个样本对应的数字
y_pred = knn.predict(X_test)
print("Predictions:", y_pred)

代码中使用 `load_digits` 函数加载手写数字数据集，将其拆分为训练集和测试集。然后创建 K-NN 分类器，使用训练集进行训练，使用测试集评估分类器的准确率，并使用分类器对测试集中的每一个样本进行预测。