import numpy as np from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier # 使用 loadtxt() 函数读取 txt 文件，获取花的数据 with open('花的种类.txt', 'r', encoding='utf-8') as f: data = np.loadtxt(f, delimiter=',', usecols=[0, 1, 2, 3], dtype=float, skiprows=1) labels = np.loadtxt(f, delimiter=',', usecols=[4], dtype=str, skiprows=1) # 划分训练集和测试集 train_data, test_data, train_labels, test_labels = train_test_split(data, labels, test_size=0.2) # 训练模型 knn = KNeighborsClassifier(n_neighbors=5) knn.fit(train_data, train_labels) # 预测结果 pred_labels = knn.predict(test_data) # 计算准确率 accuracy = np.mean(pred_labels == test_labels) print('预测准确率：', accuracy)计算

预测准确率的计算已经包含在代码中了。代码最后的`print('预测准确率：', accuracy)`语句会输出预测准确率的结果。您可以直接运行代码，即可得到预测准确率的数值。

如果您希望将预测准确率的数值保存到文件中，可以将结果写入到文件中，例如：

with open('准确率.txt', 'w', encoding='utf-8') as f:
    f.write('预测准确率：' + str(accuracy))

这样会将预测准确率写入到名为`准确率.txt`的文件中。您可以根据需要修改文件名和路径。

希望能够帮助到您！如果还有其他问题，请继续提问。