机器学习 · 函数

K近邻回归器

创建 K 最近邻（KNN）回归器。

调用签名(邻居数=5, **选项)

KZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 K近邻回归器
设 结果 = 机器学习.K近邻回归器(
    邻居数=5,  # 可选；按函数业务含义传入 邻居数;首次使用建议先 打印...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

邻居数可选 · 默认 5

未声明位置参数或字段名=值

按函数业务含义传入邻居数;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

选项可选 · 默认不传则为空

未声明可变关键字参数，用 **字典展开

额外关键字参数，用字典形式展开传入。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 K近邻回归器
设 结果 = 机器学习.K近邻回归器(
    邻居数=5,  # 可选；按函数业务含义传入 邻居数;首次使用建议先 打印...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

# 进阶组合:K近邻回归器 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.K近邻回归器(
    邻居数=5,  # 可选
    **[1, 2, 3, 4],  # 选项
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:类型不匹配
# 错误:传错类型
# 设 结果 = 机器学习.K近邻回归器(邻居数=None)  # TypeError
# 修复:按字段类型 未声明 传值
设 结果 = 机器学习.K近邻回归器(邻居数=5)
打印(结果)