最近邻算法的预测不正确？

Question

我的任务是：完成函数 predict 的代码，给定 𝑀×𝑁 的数组 距离、标签和 k，根据其 k 最近邻的标签，预测未标记图像的 M 个标签。

假设k=5。给定一个未标记的图像，我们想要识别最接近它的 5 个标记图像（基于 L2 距离），并查询它们的标签（特别是它们的 cifar10 类 ID）。将选择最常见的标签作为用于对未标记图像进行分类的标签。例如，假设 5 个最近邻的标签是：2、0、2、2、8。那么这个未标记图像的预测标签将为 2。

如果 k 个标签之间存在平局，则应使用平局标签中值最低的 class-ID。

这是我的代码：

import numpy as np
from collections import Counter

def predict(dists, labels, k):
    # Find the indices of the k-nearest neighbors for each unlabeled image, sorted by descending distance
    nearest = np.argsort(dists, axis=1)[:, :k]

    # Get the labels of the nearest neighbors
    nearest_labels = labels[nearest]

    # Count the occurrences of each class ID in the nearest neighbors
    counts = [Counter(row) for row in nearest_labels]

    # Get the most common class ID for each row of nearest neighbors
    most_common = []
    for count in counts:
        # Check for ties and break them by choosing the label with the lowest value
        max_count = max(count.values())
        possible_labels = [label for label, count in count.items() if count == max_count]
        chosen_label = min(possible_labels)
        most_common.append(chosen_label)

    return np.array(most_common)
    pass

它得到错误：

Calling 
    predict(array([[0., 1., 1., 1.]]), array([0, 1, 1, 0]), 3)
produced an incorrect result.

Expected a shape-(1,) array with value:
array([0])

Got a shape-(1,) array with value:
array([1])

有人能给我解释一下，或者帮我解决代码中的问题吗？我已经坚持了一段时间。

我尝试过实施不同的平局，并使用不同的方法