#一般来说,KNeighbors分类器有两个重要参数:邻居个数与数据点之间的距离的度量方法。
#在实践中一般选取较小的邻居个数(比如3到5个)
#邻居个数与数据点之间的距离方法 默认使用欧式距离
#KNN算法 预测速度较慢 且不能处理具有多个数据特征的数据集 因此在实践中很少使用
#用于回归的k近邻算法在sklearn的kneighborregressor类中实现,其用法与kneighborclasifier类似
from sklearn.neighbors import KNeighborsRegressor
X,y=mglearn.datasets.make_wave(n_samples=40)
#将wave集分为训练集和测试集
X_train,X_test