学习网站：

数据驱动办法

KNN（例如采取L1曼哈顿距离）

代码以下：

import numpy as np
class NearestNeighbor:

    def train(self,X,y):
        self.Xtrain=X
        self.ytrain=y
    def predict(self,X):
        # 第一维
        num_test=X.shape[0]
        # 使训练集和测试集类型匹配
        Ypred=np.zeros(num_test,dtype=self.ytrain.dtype)

        for i in range(num_test):
            distances=np.sum(np.abs(self.Xtrain-X[i,:]),axis=1)
            min_index=np.argmin(distances)
            Ypred[i]=self.ytrain[min_index]
        return Ypred
import