Scikit learn 为什么scikit中的KNN算法不能按预期工作？

我正在使用scikit learn用python构建一个简单的KNN模型。我在UCI的wine数据集上测试了它，我注意到

.predict（）

函数返回的结果不是大多数邻居类

knn = KNeighborsClassifier(n_neighbors=3,weights='uniform')

knn.fit(wine,class_wine)
predictions = list(knn.predict(wine))
# S is array I've made that chooses majority class from neighbors of each instance
a = list(zip(predictions,list(S)))        

for i in range(0,len(wine)):
    if(predictions[i]!=S[i]):
        print(predictions[i],S[i],class_wine[knn.kneighbors()[1][i].tolist()].tolist())

输出如下所示：

1.0 3.0 [3.0, 2.0, 3.0]
1.0 2.0 [1.0, 2.0, 2.0]
1.0 2.0 [1.0, 2.0, 2.0]
1.0 3.0 [3.0, 1.0, 3.0]
3.0 2.0 [2.0, 3.0, 2.0]

第一列是scikit算法的预测，第二列是我的算法，它使用kneighbors（）函数，并从返回的列表中选择majority类，就像它应该做的那样。第三列是邻居列表

如您所见，来自

KNeighborsClassifier

的predict（）做了一些不同的事情

---

kneighbors分类器的实现有什么问题吗？
当使用
knn.kneighbors（）
时，如果不使用X参数，它将使用用于拟合模型的训练数据（self

中的内容），并将当前点从可能的邻居集中排除。但是，当您使用

knn.predict

时，它不能排除该点，因为它不知道它是同一点（可能是具有相同确切特征的其他葡萄酒）。在构建您自己的预测时，尝试使用

knn.kneighbors（wine）

。

当使用

knn.kneighbors（）

时，如果您不使用X参数，它将使用用于拟合模型的训练数据（self中的内容），并将当前点从可能的邻居集中排除。但是，当您使用

knn.predict

时，它不能排除该点，因为它不知道它是同一点（可能是具有相同确切特征的其他葡萄酒）。在构建自己的预测时，尝试使用

knn.kneighbors（wine）