4.png
Parameters:
n_neighbors:int，可选，默认值5
设定k值
weights:str 或者callable，可选，默认值‘uniform‘
预测使用的权重函数，可能的值包括
- 'uniform':uniform weights。所有的点具有相同的权重
- 'distance':距离反比的权重点。在这种情况下，距离较近的点比距离远的点有更大的影响
- algorithm:{'auto','ball_tree', 'kd_tree','brute'}，可选
计算最临近点的距离： - 'ball_tree' 将会使用BallTree
- 'kd_tree' 将会使用KDTree
- 'brute' 将会使用brute-force search
- 'auto' 将会根据传递给fit的数据自动决定使用最合适的算法
leaf_size:int，可选，默认值30
传递给BallTree或者KDTree，这个会影响构建和查询的速度以及保存树的内存，最优值取决于问题
p:整数，可选，默认值2
闵科夫斯基距离的指数，
当p=1，等价于使用曼哈顿距离
当p=2，等价于欧式距离
metric:字符串或者callable，默认'minkowski'
这个距离用于树
metric_params:dict，可选，默认=None
为度量增加的关键字参数
n_jobs:int或者None，可选，默认=None
临近点搜索的线程数。
None 意味着至少一个
-1 意味着使用所有处理器