學習網站：

資料驅動方法

KNN（例如採用L1曼哈頓距離）

程式碼如下：

import numpy as np
class NearestNeighbor:

    def train(self,X,y):
        self.Xtrain=X
        self.ytrain=y
    def predict(self,X):
        # 第一維
        num_test=X.shape[0]
        # 使訓練集和測試集型別匹配
        Ypred=np.zeros(num_test,dtype=self.ytrain.dtype)

        for i in range(num_test):
            distances=np.sum(np.abs(self.Xtrain-X[i,:]),axis=1)
            min_index=np.argmin(distances)
            Ypred[i]=self.ytrain[min_index]
        return Ypred
 

訓練時間很短，測試時間很長

k的選擇是個問題