sklearn实现knn算法

可以使用scikit-learn库中的KNeighborsClassifier类来实现knn算法。下面给出一个简单的示例代码：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载iris数据集
iris = load_iris()

# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

# 创建knn分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 预测结果
y_pred = knn.predict(X_test)

# 输出准确率
print("准确率:", knn.score(X_test, y_test))

在上面的示例代码中，首先使用`load_iris()`函数加载iris数据集，然后使用`train_test_split()`函数将数据集分割为训练集和测试集。接着创建一个KNeighborsClassifier对象，并使用`fit()`方法对训练集进行训练。最后使用`predict()`方法对测试集进行预测，并使用`score()`方法计算准确率。