如何在Sklearn的KNN分类器中获取给定数据点$x$的$k$近邻？

当然可以实现，scikit-learn的KNeighborsClassifier提供了kneighbors()方法，专门用来获取给定数据点的k个近邻及其距离。

具体实现步骤及代码示例： #

1. 完成KNN分类器的训练（和你给出的代码逻辑一致）
2. 调用kneighbors()方法传入目标数据点，即可得到近邻的索引和对应距离

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 假设已准备好训练数据X_train、y_train，以及指定的k值
k = 3
KNN_classifier = KNeighborsClassifier(n_neighbors=k)
KNN_classifier.fit(X_train, y_train)

# 目标数据点x，需转为二维数组（scikit-learn要求输入为2D格式）
x = np.array([[1.2, 3.4]])

# 获取k个近邻的距离和训练集中的索引
distances, indices = KNN_classifier.kneighbors(x, n_neighbors=k)

# 输出结果
print("k个近邻在训练集的索引：", indices[0])
print("对应距离：", distances[0])
# 若需要获取近邻的标签
neighbor_labels = y_train[indices[0]]
print("k个近邻的标签：", neighbor_labels)

关键说明： #

• 输入数据点必须是二维数组，所以单个点要写成[[特征1, 特征2, ...]]的形式，否则会报错
• kneighbors()的n_neighbors参数可以单独指定要获取的近邻数，不一定要和初始化分类器时的k值一致
• 返回的indices是训练数据集中近邻的索引集合，distances是每个近邻与目标点的距离，两者都是二维数组，通过[0]可以提取单个数据点的结果

内容的提问来源于stack exchange，提问作者nima