Python 纯手写 实现KNN

实现《统计学习方法》P39 例3.1

输入：数据集，实例X，K值，以及计算距离的方法

输出：距离最近的K个数据，以及最近距离

例3.1：

首先定义三种计算距离的方法：欧氏距离，曼哈顿距离，以及各个坐标值的最大值

对传入的实例X，计算再不同的距离计算方法下的最近距离，及对应的最近的坐标值

Python代码：

import numpy as np
import math
x = np.array([[5,1],[4,4],[2,1],[3,3],[4,5],[7,2]])
xx = [1,1]



def Euclidean_distance(xi,yi):
    """
    欧式距离计算
    :param xi:
    :param yi:
    :return:
    """
    sum_distance = 0
    for i in range(len(xi)):
        sum_distance += pow(abs(xi[i] - yi[i]) , 2)
    return math.sqrt(sum_distance)


def Manhattan_distance(xi,yi):
    """
    曼哈顿距离
    :param xi:
    :param yi:
    :return:
    """
    sum_distance = 0
    for i in range(len(xi)):
        sum_distance += abs(xi[i] - yi[i])
    return sum_distance


def Max_dist