python实现knn算法案例

以下是一个使用Python实现KNN算法的案例：

import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
from sklearn.preprocessing import MinMaxScaler
from sklearn.neighbors import KNeighborsClassifier

# 读取数据集
data = pd.read_csv('data.csv')

# 分割特征和标签
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 数据预处理
scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 创建KNN分类器模型
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测
y_pred = knn.predict(X_test)

# 评估模型准确率
accuracy = knn.score(X_test, y_test)

print("预测结果：", y_pred)
print("模型准确率：", accuracy)

这是一个简单的KNN算法案例，首先导入所需的库，然后读取数据集。接下来，对特征进行归一化处理，并将数据集划分为训练集和测试集。然后，创建一个KNN分类器模型，设置邻居数量为3，并用训练集拟合模型。最后，使用测试集进行预测，并计算模型的准确率。

请根据你的数据集和需求进行相应的修改。