Python 3.x 距离问题。欧几里德（）缺失'；u'；和'；v'；

所以，我在学习机器学习，我想“创建”我自己的分类器 但当我试着跑的时候，它说在远处，欧几里德（）忽略了“u”和“v” 你能帮我找出这个问题吗

import random 
from scipy.spatial import distance

def euc(a,b):
    return distance.euclidean()


class KnnSchifoso():
    def fit(self, X_train, y_train):
        self.X_train = X_train
        self.y_train = y_train

    def predict(self, X_test):
        predictions = []
        for row in X_test:
            label = self.closest(row)
            predictions.append(label)
        return predictions

    def closest(self, row):
        best_dist = euc(row, self.X_train[0])
        best_index = 0
        for i in range(1, len(self.X_train)):
            dist = euc(row, self.X_train[i])
            if dist < best_dist:
                best_dist = dist
                best_index = i
        return self.y_train[best_index]

from sklearn import datasets
iris = datasets.load_iris()

x = iris.data
y = iris.target

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(x, y, test_size = .5)

my_classifier = KnnSchifoso()

my_classifier.fit(X_train, y_train)

predictions = my_classifier.predict(X_test)
print (predictions)

from sklearn.metrics import accuracy_score
print (accuracy_score(y_test, predictions))

随机导入
从scipy.spatial导入距离
def euc（a、b）：
返回距离。欧几里德（）
类KnnSchifoso（）：
def配合（自身、X_系列、y_系列）：
self.X_train=X_train
self.y_train=y_train
def预测（自我、X_测试）：
预测=[]
对于X_测试中的行：
标签=自最近（行）
预测。追加（标签）
回归预测
def最近（自身，行）：
最佳距离=euc（行，self.X\u列[0]）
最佳指数=0
对于范围内的i（1，len（self.X_train））：
dist=euc（行，自X_列[i]）
如果距离<最佳距离：
最佳距离
最佳指数=i
返回自我。y_列车[最佳索引]
从sklearn导入数据集
iris=数据集。加载\u iris（）
x=iris.data
y=iris.target
从sklearn.model\u选择导入列车\u测试\u拆分
X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=.5）
my_分类器=KnnSchifoso（）
my_classifier.fit（X_train，y_train）
预测=我的分类器。预测（X_测试）
打印（预测）
从sklearn.metrics导入准确性\u分数
打印（准确度评分（y检验、预测））

您没有将参数传递给距离。欧几里德

def euc(a,b):
    return distance.euclidean(a, b) <--- You need to pass values to the function

def euc（a，b）：
返回距离。欧几里得（a，b）别担心，我们都去过