from sklearn.neighbors import KNeighborsRegressor

# 1、准备数据，x是训练样本的特征，y是训练样本的目标值，目标值是连续的，属于回归问题
x = [[0],[1],[2],[3]]
y = [0.1,0.2,0.3,0.4]

# 2、创建模型，实例化KNeighborsRegressor类，n_neighbors指定了K值
model = KNeighborsRegressor(n_neighbors=3)

# 3、训练模型，将训练集xy传入
model.fit(x,y)

# 4、预测，传入与训练集一样的2维列表，通过欧氏距离计算，[4]与[1]、[2]、[3]接近，目标值分别是0.2、0.3、0.4，求和算平均数是0.3，因此[4]的目标值是0.3
print(model.predict([[4]]))

# 结果返回
'''
[0.3]
'''