knn算法python

KNN（k-最近邻）算法是一种常用的机器学习算法，用于分类和回归问题。在Python中，可以使用scikit-learn库来实现KNN算法。下面是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
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

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

# 创建KNN分类器，设置k值为3
knn = KNeighborsClassifier(n_neighbors=3)

# 在训练集上训练模型
knn.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

在这个示例中，我们使用鸢尾花数据集（load_iris）进行分类任务。首先，我们将数据集划分为训练集和测试集，然后创建一个KNN分类器，并设置k值为3。接下来，我们使用训练集来训练模型，然后在测试集上进行预测，并计算准确率。

请注意，这只是一个简单的示例代码，实际应用中可能需要进行更多的数据预处理、参数调优等步骤。