从文档中KNeighborsClassifier：

警告：关于最近邻算法，如果发现两个邻居，邻居 k+1 和 k，具有相同的距离但不同的标签，结果将取决于训练数据的排序。

要准确了解会发生什么，我们必须查看源代码。您可以看到，在未加权的情况下，KNeighborsClassifier.predict 最终调用 scipy.stats.mode，其文档说

返回传递数组中模态（最常见）值的数组。

如果有多个这样的值，则只返回第一个。

因此，在平局的情况下，答案将是恰好出现在邻居集中的类。

再深入一点，使用的neigh_ind数组是调用方法的kneighbors结果，它（尽管文档没有这么说）似乎以排序的顺序返回结果。所以应该通过选择最接近查询点的类来打破联系，但是这种行为没有记录在案，我也不是 100% 确定它总是会发生。

这个答案只是用一个简短的例子来展示 sklearn 如何解决 kNN 中选择具有最低值的类的关系：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# We start defining 4 points in a 1D space: x1=10, x2=11, x3=12, x4=13
x = np.array([10,11,12,13]).reshape(-1,1)   # reshape is needed as long as is 1D

# We assign different classes to the points
y = np.array([0,1,1,2])

# we fit a 2-NN classifier
knn = KNeighborsClassifier(n_neighbors=2 , weights='uniform')
knn.fit(x, y)

# We try to predict samples with 5 and 15 values (it will be a tie in both cases) 
x_test=np.array([5,15]).reshape(-1,1)
pred = knn.predict(x_test)
print(pred)

#[0 1]

我们看到平局是如何解决的，不是分配最近邻的值，而是分配最低的类值。