题解|k近邻算法

k近邻算法是分类算法，通过计算测试样本与训练数据之间的距离，选择距离最小的k个样本作为测试样本的邻居，并根据这些邻居的类别进行投票，最终确定测试样本的类别。

步骤：

1. 计算测试样本与训练数据之间的距离
2. 选择距离最小的k个样本作为测试样本的邻居
3. 根据这些邻居的类别进行投票，最终确定测试样本的类别（采用多数投票）

代码实现

def k_nearest_neighbors(X, y, test_sample, k):
    distances = np.linalg.norm(X - test_sample.T, axis=1)
    nearest_indices = np.argsort(distances)[:k]
    nearest_labels = y[nearest_indices]
    return int(np.round(np.mean(nearest_labels)))