解题思路

核心步骤

1. 读入参数：$k, m, n, s$；读入待分类样本向量 $q$（维度 $n$）；读入 $m$ 条样本（前 $n$ 列为特征，最后一列为标签）。

2. 计算距离：对每个样本 $x$，计算与 $q$ 的欧氏距离

   $$d(q,x)=\sqrt{\sum_{i=1}^{n}(q_i-x_i)^2}$$

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 $label$ 。