sklearnutils_param_validationInvalidParameterError The weights parameter of KNeighborsClassifier must be a str among distance uniform a callable or None Got 1 1 1 1 2 1 1 1 1 1 1 instead报错解决怎么传入一个可调用对

可以自定义一个函数来计算权重，然后将该函数作为参数传递给KNeighborsClassifier的weights参数。

例如，定义一个函数my_weights_func，该函数接受两个参数：一个是距离数组distances，另一个是k值k。该函数返回一个长度为k的权重数组，用于计算每个邻居的权重。

然后在调用KNeighborsClassifier时，将my_weights_func作为weights参数的值传递进去即可。

示例代码如下：

def my_weights_func(distances, k):
    # 计算每个邻居的权重
    weights = [1.0 / d for d in distances]
    # 取前k个邻居的权重
    weights = weights[:k]
    # 归一化权重
    sum_weights = sum(weights)
    weights = [w / sum_weights for w in weights]
    return weights

# 创建KNeighborsClassifier对象，并传入自定义的权重函数
knn = KNeighborsClassifier(n_neighbors=3, weights=my_weights_func)

# 训练模型、预测等操作
...

注意：自定义的权重函数必须接受distances和k两个参数，并返回一个长度为k的权重数组