P3479.第2题-标签样本数量
题目内容
KNN 算法的核心思想是，如果一个样本在特征空间中的 K 个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。请按照下面的步理，实现 KNN 算法。
KNN 算法说明：
计算待分类点到其他样本点的距离；
通过距离进行排序，选择距离最小的 K 个点；提取这 K 个临近点的类别，根据少数服从多数的原则，将占比最多的那个标签赋值给待分类样本点的 label 。
本题说明：
1、给定数据集中，默认每一类标签都存在数据，不存在某类型数量为 0 的场景；
2、为消除不同特征权重问题，给出数据均已做好归一化处理，并保留两位小数；
3、出现并列第一的情形时，取并列第一的样本中，最近邻居的标签返回；
4、距离函数定义为: dx,y=∑i=1n(xi−yi)2。
输入描述
第 1 行：k m n s ：k 代表每次计算时选取的最近邻居个数(不大于 20 )，m 代表样本数量(不大于 200 )，n 代表样本维度(不包括标签，不大于 5 )，s 代表类别个数(不于 5 )；
第 2 行：待分类样本
第 3 行~第 m+2 行：m 个样本，每一行 n+1 列，最后一列为类别标签 label
输出描述
输出待分类样本的类别标签及距离最小的 K 个点中的该标签样本数量
样例1
输入
3 10 2 3
0.81 0.64
0.19 0.2 1.0
0.18 0.14 0.0
0.76 0.58 1.0
0.4 0.16 1.0
0.98 0.85 0.0
0.42 0.97 1.0
0.75 0.26 1.0
0.24 0.06 1.0
0.97 0.8 0.0
0.21 0.1 2.0
输出
0 2
说明
第 1 行输入说明输入了 m=10 个样本，每个样本有 n=2 个维度的数据(去除最后一列标签)，共有 s=3 种类别
第 2 行输入待分类样本的 n 维数据
从第 3 行到第 12 行的前两列数据为输入的 m=10 个样本，每个样本有 n=2 个维度的数据+最后一列的标签数据
待分类样本 [0.81 0.64] 最近的前 k=3 个邻居分别为：[0.76 0.58],[0.98 0.85],[0.97 0.8] ，分别有 2 个 0 号标签和 1 个 1 号标签 0 号标签占多，返回 0 以及标签 0 的样本数量 2
样例2
输入
6 10 2 4
0.78 0.63
0.57 0.07 1.0
0.5 0.13 1.0
0.83 0.07 3.0
0.27 0.87 3.0
0.81 0.44 2.0
0.21 0.73 3.0
0.45 0.91 1.0
0.12 0.22 2.0
0.25 0.48 0.0
0.54 0.87 1.0
输出
1 2
说明
本样例的距离最小的 6 个样本中，标签 1 和标签 3 出现次数都是 2 次，并列第一；虽然 [0.8 0.44] 距离样本最近，但其标签 2 不是出现最多的，排除在下一轮统计样本中此时需要从标签 1 和标签 3 中的样本中，选取距离最近的 [0.54 0.87] 的标签 1 作为返回值，并同时返回标签 1 的样本数量 2 。
开通会员即可查看完整视频题解： 1.题目讲解 2.思路分析 3.逐行代码手写
