c++实现KNN分类代码

以下是使用Python实现KNN分类的示例代码：

import numpy as np
from collections import Counter

class KNNClassifier:
    def __init__(self, k=5):
        self.k = k
    
    def fit(self, X, y):
        self.X_train = X
        self.y_train = y
    
    def predict(self, X):
        predictions = []
        for x in X:
            distances = [np.sqrt(np.sum((x - x_train)**2)) for x_train in self.X_train]
            k_indices = np.argsort(distances)[:self.k]
            k_nearest_labels = [self.y_train[i] for i in k_indices]
            most_common = Counter(k_nearest_labels).most_common(1)
            predictions.append(most_common[0][0])
        return np.array(predictions)

其中，KNNClassifier类包含三个方法：

- __init__：初始化分类器，其中k为最近邻居的数量，默认为5。
- fit：训练分类器，传入X和y分别为训练数据和标签。
- predict：对新的数据进行预测，传入X为新的数据，返回预测结果。

在predict方法中，首先计算新数据点与训练数据点之间的距离，并选出k个距离最近的训练数据点。然后，统计这k个训练数据点中最常出现的标签，并将其作为预测结果返回。