机器学习----------------KNN算法----------回归---------原理和python代码实现

直奔主题：

import numpy as np
import pandas as pd
data = pd.read_csv(r"iris.csv")
# 删除不需要的列
# 用drop可以删除一个字段，或者删除多个字段
# axis 为1表示列，为0表示行
# inplace = True  表示在现在这个数据源上修改结果，也称：就地修改
data.drop(["class"],axis = 1, inplace=True)
# 删除重复的记录
data.drop_duplicates(inplace=True)
KNN:
    """使用python实现K近邻算法（回归预测）
    
    该算法用于回归预测，根据前3特征属性，寻找最近的K个邻居，
    然后再根据K个邻居的第四个特征属性，去预测当前样本的第4个特征值
    """
    def __init__(self,k):
        """初始化方法
        Parameters
        -----
        k : int
            邻居的个数
        """
        self.k = k
    def fit(self,X,y):
        """训练方法
        
        Parameters
        -----
        X : 类数组类型（特征矩阵），形状为【样本数量，特征数量】
            待训练的样本特征
        y ：类数组类型（目标标签），形状为【样本数量】
            每个样本的目标值（标签）
        """