KNN（K-Nearest Neighbors）是一种简单又强大的机器学习算法，广泛应用于分类和回归任务中。今天就用可爱的代码小精灵带你轻松实现这个算法！💖

首先，我们需要导入必要的库，比如`numpy`和`sklearn`，它们是数据处理的好帮手👇：

```python

import numpy as np

from sklearn.neighbors import KNeighborsClassifier

```

接着，准备好你的训练数据，比如一些水果的重量和颜色值。假设我们有苹果和橙子的数据集：

```python

data = np.array([[140, 1], [130, 1], [150, 0], [170, 0]])

labels = np.array([1, 1, 0, 0]) 1代表苹果，0代表橙子

```

然后创建KNN模型，设置邻居数量`k`为3：

```python

knn = KNeighborsClassifier(n_neighbors=3)

knn.fit(data, labels)

```

最后，预测新来的水果类别，比如一个重量160g且光滑度为1的水果：

```python

prediction = knn.predict([[160, 1]])

print("预测结果:", "苹果" if prediction[0] == 1 else "橙子")

```

这就是KNN算法的基本实现啦！🌟 让我们一起用Python探索更多有趣的机器学习之旅吧！👩‍💻👨‍💻