昇思25天学习打卡营第十五天|K近邻算法实现红酒聚类

       K近邻算法是一种用于分类和回归的非参数统计方法，是计算机学习最基础的算法之一。他正是基于以上思想：要确定一个样本的类别，可以计算他与所有训练样本的距离，然后找出和该样本最接近的K个样本，统计出这些样本的那边并进行投票，票数最多的那个那就是分类的结果。

      预测算法的流程中如下： 1 . 在训练样本集中找到距离待测样本最近的K个样本，并保存至集合N中。 2. 统计集合N中每一类样本的个数Ci，i=1，2，3……，c;  3. 最终分类的结果为argmaxCi（最大的对应的那个Ci）那个类。

       准备实验环境，需要mindspore 2.0和win_x86和Linux系统。