打开课时页面https://tianchi.aliyun.com/course/310/3557，右上角点Fork，打开的页面点编辑，进入DSW环境
文档中要求python3.7以上，DSW环境python版本为3.6，这里下载本地环境运行。
点File->Download下载为378605_edit.ipynb文件，在JupyterLab中打开文件
点击三角形按钮，按步骤执行文档中的python代码块
生成分类图片
预测的准确率ACC
kNN回归图片
然后是2.4.4数据处理，需要下载的数据集在浏览器中打开可以下载，然后复制到项目目录
预测的准确率和图形显示
运行完成没有错误
再查看文档使用的k近邻方法
2.4.1 调用的为KNeighborsClassifier(k)，k取值范围[1, 3, 5, 8, 10, 15]
2.4.2 调用的为KNeighborsClassifier(n_neighbors=5, p=2, metric="minkowski")，使用为欧式距离
2.4.3 调用的为KNeighborsRegressor(n_neighbors=k, p=2, metric="minkowski")，k取值范围[1, 3, 5, 8, 10, 40]
2.4.4
使用空值填充的方法KNNImputer(n_neighbors=2, metric='nan_euclidean')
使用pipeline 组合操作
Pipeline(steps=[('imputer', KNNImputer(n_neighbors=int(s))), ('model', KNeighborsClassifier())])
