Реализация метода k-ближайших соседей

Помогите, голова вообще не варит

Лабораторная 2.
Ещё раз понять как это работает.
В лабораторной работе мы напишем свою реализацию метода k-ближайших соседей.
Точнее две: для классификации и регрессии.

Что делать:

Можно продолжить работать в Jupyter. А можно установить что-то более подходящее для разработки (PyCharm, Atom, Vim...).

Вспомнить:
Регрессия.
Классификация.
kNN на machinelearning.ru.
kNN на wiki.

Определиться с архитектурой, приступить к написанию компонентов. Например, можно выделить следующие части:
Функция расчета близости (напр., Евклидова метрика).
Функция определяющая k-ближайших соседей.
Функции генерирующие ответ для кластеризации и регрессии.

Провести тестирование регрессии и классификации:
На ваших данных из прошлой лабораторной.
На данных соответствующих другой задаче из https://archive.ics.uci.edu/ml/datasets.html. Данные не повторяются (в т. ч. и с данными из предыдущей лабораторной работы).

Требования и регламент
При написании руководствоваться принципами ООП(!!!)
Оформлять код в соответствии с PEP8.
Код оформляется в виде пакета и модулей классификации и регрессии, а также клиентской части использующей этот код.
Презентовать: данные, код, результат работы.

Первая Часть (Нужна для решения): https://vk.com/doc105375214_47... d1ed6ac55c

Добавлено через 1 час 17 минут
Помогите пожалуйста

0