用python实现knn_classifier函数

以下是一个基本的KNN分类器函数的Python实现：

import numpy as np

def knn_classifier(train_data, train_labels, test_data, k):
    """
    KNN分类器函数

    :param train_data: 训练数据矩阵，每行为一个样本
    :param train_labels: 训练标签列表，与训练数据矩阵行对应
    :param test_data: 测试数据矩阵，每行为一个样本
    :param k: K值，即选取最近邻的个数
    :return: 测试样本的预测标签列表
    """
    # 计算训练数据和测试数据之间的距离矩阵
    dists = np.sqrt(np.sum(np.square(train_data[:, np.newaxis, :] - test_data), axis=2))

    # 对距离矩阵的每一行进行排序，并返回排序后的索引
    sorted_indices = np.argsort(dists, axis=0)

    # 对于每个测试样本，选取距离最近的K个训练样本
    k_nearest_labels = train_labels[sorted_indices[:k, :]]

    # 对K个最近邻的标签进行投票，返回票数最多的标签作为预测结果
    pred_labels = np.argmax(np.bincount(k_nearest_labels, axis=0))

    return pred_labels

该函数接受四个参数：

- `train_data`：训练数据矩阵，每行为一个训练样本，每列为一个特征。
- `train_labels`：训练标签列表，与训练数据矩阵行对应。
- `test_data`：测试数据矩阵，每行为一个测试样本，每列为一个特征。
- `k`：K值，即选取最近邻的个数。

该函数首先计算训练数据和测试数据之间的距离矩阵，然后对距离矩阵的每一行进行排序，并返回排序后的索引。对于每个测试样本，选取距离最近的K个训练样本，并对K个最近邻的标签进行投票，返回票数最多的标签作为预测结果。