手动实现最近邻算法时欧氏距离仅计算测试集单行距离的原因求解

核心问题定位 #

你遇到的问题根源是距离存储数组的初始化位置错误：

• dist1 = []、dist2 = []被写在了遍历测试集的外层for i循环内部，每处理一个测试样本，就会清空两个列表的历史内容，之前计算的其他测试样本距离会被直接覆盖。等外层循环全部执行完毕，你能拿到的只有最后一个测试样本对应的距离数组，长度自然和训练集（112条）一致。
• 你当前用的是一维列表存储结果，无法承载「每个测试样本对应一组训练集距离」的二维数据结构。

其他潜在问题 #

1. 欧氏距离计算可能缺特征：你当前距离函数的循环范围是range(0, len(r2)-1)，如果你的x_train/x_test是纯特征数组（不含标签列），这个写法会漏掉最后一维特征的计算，导致距离结果错误。
2. 排序后丢失索引映射：你直接对距离数组排序，但没有保留距离对应的训练集索引，后续就算拿到最小距离，也无法匹配对应训练样本的标签，得不到正确分类结果。
3. dist1和dist2完全冗余：你内层循环给两个列表追加的是完全相同的距离值，没有额外存储索引的话两个数组内容没有差异。

修复后的代码示例 #

import numpy as np

# 修正后的欧氏距离函数，默认r1/r2都是纯特征向量
def euclidean_dist(r1, r2):
    dist = 0
    # 去掉减1，遍历所有特征维度
    for j in range(len(r2)):
        dist += (r2[j] - r1[j]) ** 2
    return dist ** 0.5

# ------------- 距离计算逻辑 -------------
# 外层存储结构：每个元素对应一个测试样本的距离结果
all_unsorted_dist = []
all_sorted_dist = []
# 额外存储带索引的排序结果，方便后续取标签
all_sorted_with_idx = []

for i in range(len(x_test)):
    # 单个测试样本对应的距离列表，仅存当前样本的计算结果
    current_dist = []
    current_dist_with_idx = []
    for j in range(len(x_train)):
        dist = euclidean_dist(x_test[i], x_train[j,:])
        current_dist.append(dist)
        # 存储(距离, 训练集索引)元组，方便排序后溯源
        current_dist_with_idx.append( (dist, j) )
    
    # 存入未排序总列表
    all_unsorted_dist.append(current_dist)
    # 存入排序后纯距离总列表
    all_sorted_dist.append(sorted(current_dist))
    # 存入带索引的排序结果
    current_dist_with_idx.sort()
    all_sorted_with_idx.append(current_dist_with_idx)

# 转numpy数组后形状为 (测试集样本数, 训练集样本数)，符合你的预期
all_unsorted_dist = np.array(all_unsorted_dist)
all_sorted_dist = np.array(all_sorted_dist)

内容的提问来源于stack exchange，提问作者uniha2021