1
Amy 原创整理｜资料核验：2026-10-31
scikit-learn在KNeighborsClassifier文档中提醒：若第k个与第k+1个邻居距离相同、标签却不同，结果可能依赖训练数据的排列顺序。这里的关键是邻居选择边界发生并列，不是所有数据重排都会改变结果。
原创教学情景：一维查询点为0，两条训练点分别在-1和1，标签不同，k=1；两点都离查询点同样远，因此需要注意并列情况。这个例子用来说明边界问题，没有声称某个实现一定选哪一类。
Amy建议：遇到重排后预测变化时，先查看kneighbors返回的距离和索引，检查是否存在等距边界，再核对预处理和数据一致性。不要仅凭这一现象就认定模型随机种子失效。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html