我正在尝试用Python实现k-最近邻算法。我写出了如下的代码。然而，我在寻找最近邻的项目的索引时遇到了困难。下面的函数会返回距离矩阵，但我需要在features_train（算法的输入矩阵）中获取这些邻居的索引。

def find_kNN(k, feature_matrix, query_house):    alldistances = np.sort(compute_distances(feature_matrix, query_house))    dist2kNN = alldistances[0:k+1]    for i in range(k,len(feature_matrix)):        dist = alldistances[i]        j = 0        #如果有更近的邻居        if dist < dist2kNN[k]:        #插入这个新邻居             for d in range(0, k):                if dist > dist2kNN[d]:                    j = d + 1            dist2kNN = np.insert(dist2kNN, j, dist)            dist2kNN = dist2kNN[0: len(dist2kNN) - 1]    return dist2kNN    print find_kNN(4, features_train, features_test[2])

输出为：

[ 0.0028605   0.00322584  0.00350216  0.00359315  0.00391858]

谁能帮我在features_train中找出这些最近的项目？

回答：

我建议使用Python库sklearn，它有一个KNeighborsClassifier，一旦拟合好，你就可以从中检索到你所寻找的最近邻：

试试这个：

# 导入from sklearn.neighbors import KNeighborsClassifier# 实例化你的分类器neigh = KNeighborsClassifier(n_neighbors=4) #k=4或你想要的任何值# 拟合你的分类器neigh.fit(X, y) # 其中X是你的训练集，y是训练输出# 获取邻居neigh.kneighbors(X_test, return_distance=False) # 其中X_test是你想要获取k-最近邻的样本或样本数组