Python实现KNN方法

我正在尝试手动编码KNN分类方法。我定义了两个函数，一个用于计算欧氏距离，另一个用于对给定样本进行分类。代码如下：

def Distance(train,test,i):
    dis=np.array([])
    for k in range(train.shape[0]):
        e_dis = np.linalg.norm(train[k]-test[i])
        dis = np.append(dis,e_dis)
    dis=np.argsort(dis)
    return dis

现在，我尝试定义一个真正的KNN函数，它使用for循环将这两个函数组合在一起，以从测试数据集中获得对每个给定样本的预测

def knn(train,test,label_set,k):
    prediction=np.array([])
    for i in range (test.shape[0]):
        dis=Distance(train,test,i)
        pred=predict(label_set,dis,k)
        prediction=np.append(prediction,pred)
    return prediction

下面是我试图运行的代码。设置k=10以查找10个最近邻进行分类

b=knn(ftrain_set,ftest_set,ltrain_set,10)

当我测试它们时，距离和预测函数运行良好。当我测试knn函数时，运行它需要很长时间。我承认我的knn函数取O（nklogn），其中n，k是序列和测试集的样本量

---

现在我正在寻找一些方法来降低时间复杂度，这样我就可以计算每个k的精度，然后画一条研究曲线来找到最佳的k参数。有人能帮我降低knn函数的时间复杂度吗？提前谢谢你

似乎输入数据和标签之间的维度不匹配。@您好，那么除了维度不匹配问题之外，我的knn函数在逻辑上应该正常工作吗？“谢谢你嗨，我想是的。”她说：“谢谢你的建议。我现在修复了它，该功能正在运行！谢谢你，酷！很高兴知道。

b=knn(ftrain_set,ftest_set,ltrain_set,10)