參考文件

最近鄰屬於機器學習中的分類，分類是由每個點的最近鄰的簡單多數投票中計算得到的。最近鄰不會去構造一個泛化的內部模型，而是簡單地儲存訓練資料的例項。

示例：

import numpy as np
from sklearn.neighbors import KNeighborsClassifier


#k近鄰分類(k表示以最近的幾個鄰居作為分類的指標)
#KNN表示了物以類聚人以群居的基本思考方法，最近的k個鄰居是什麼類別，預測樣本就會被化為該類別
def knn_predict_rev(point):
    # http://sklearn.apachecn.org/cn/0.19.0/modules/neighbors.html
    #資料理解為二維座標上的6個點
    X = np.array([[1.0,2.0],[1,1.5],[0.5,1.5],[3.0,3.0],[3.0,3.5],[2.8,3.1]])
    #6個點的類別，按順序和X依次對應，[1.0,2.0]的類別是0，以此類推
    Y = np.array([0,0,0,1,1,1])

    #n_neighbors就是KNN中的k
    knn = KNeighborsClassifier(n_neighbors=3)

    #訓練
    knn.fit(X,Y)
    print(knn.predict(np.array([[2.0,3.0]])))

if __name__ == '__main__':
    knn_predict_rev('11')