java实现蒙特卡洛树搜索_统计学习方法3：KNN分类，KD树最近邻搜索Python实现

代码借鉴自此链接

适用问题：多类分类，回归（回归暂时没有使用）

模型特点：不具有显示的学习过程，利用训练数据对特征向量空间进行划分。

基本要素：1.K值的选择、2.距离度量（一般用欧式距离）、3.分类决策规则（如多数表决）

K值     近似误差   估计误差     缺点                  特点
小         小         大      容易发生过拟合         模型复杂
大         大         小      不相似也对预测起作用    模型简单

在应用中，K值一般取一个较小的数值。

通常采用交叉验证法来选取最优的k值

附上完整代码（可运行）：

#author:胤
#time:2019/3/15  19:10

'''代码来自：https://blog.csdn.net/tudaodiaozhale/article/details/77327003'''
# --*-- coding:utf-8 --*--
import numpy as np


class Node:  # 结点
    def __init_