本算法参考自《机器学习实战》，对其中的代码做了详尽的注释。
K近邻算法的基本步骤如下：

对未知类别属性的数据集中的每个点依次执行以下步骤：

1)      计算已知类别数据集中的点(某个点，1个)与当前点(多个)之间的距离；

2)      按照距离递增次序排序；

3)      选取与当前点距离最小的k个点；

4)      确定前k个点所在类别的出现频率；(B,A,B,B,C,B,A)

5)      返回前k个点出现频率最高的类别作为当前点的预测分类。

1、kNN函数头

2、kNN实例

3、kNN算法的Python实现