# 安包
# pip install scikit-learn
# 导包
from sklearn.neighbors import KNeighborsClassifier

# 1、实验1
'''
实验1，假设完成了数据获取、数据处理、特征工程，用简单列表表示训练集
'''

# 1.1准备数据（特征工程）
# x是2维列表，表示5个样本的特征
# y是5个样本的目标值
# 目标值只有0，1两种，属于二分类，是分类问题
x = [[0],[1],[3],[4],[2]]
y = [0,0,1,1,1]

# 1.2实例化
# 创建KNN算法实例，即创建模型，n_neighbors指定K值，对于二分类K值一般不要是2的倍数
model = KNeighborsClassifier(n_neighbors=3)

# 1.3训练
# 将训练集x、y传入模型
model.fit(x,y)

# 1.4预测
# 测试样本也是2维列表，按训练集的数据，通过计算欧氏距离，最接近的是[3]、[4]、[2]，它们的目标值是1，那么测试样本[[5]]目标值是1
print(model.predict([[5]]))

# 结果返回
'''
[1]
'''