大家好！今天分享一个简单又实用的机器学习小项目——KNN算法的Python实现！💻📊 KNN（K-Nearest Neighbors）是一种基于实例的学习方法，常用于分类和回归任务。通过计算样本间的距离，找出最近的K个邻居，然后根据多数投票决定分类结果。🎯

首先，确保安装了`numpy`和`scikit-learn`库，它们是实现KNN的基础工具。📝

代码如下：

```python

from sklearn.neighbors import KNeighborsClassifier

import numpy as np

示例数据集

X = np.array([[1, 2], [2, 3], [3, 4], [6, 7], [7, 8]])

y = np.array([0, 0, 0, 1, 1])

创建KNN模型

knn = KNeighborsClassifier(n_neighbors=3)

knn.fit(X, y)

预测新数据点

test_point = np.array([[2, 2]])

prediction = knn.predict(test_point)

print(f"预测结果: {prediction}")

```

运行后，你会发现KNN轻松完成了分类任务！👏

这个小样例不仅适合初学者理解KNN原理，还能作为后续复杂项目的起点哦！🚀

快来试试吧，让机器学习变得简单有趣！💪