python使用KNN实现鸢尾花数据集

在Python中，我们可以使用scikit-learn库来实现K-近邻(K-Nearest Neighbors, KNN)算法处理鸢尾花数据集。鸢尾花数据集是一个经典的机器学习示例，它包含150个样本，每个样本有4个特征（花瓣长度、花瓣宽度、萼片长度和萼片宽度），共分为三种鸢尾花类别：山鸢尾（Iris setosa）、维吉尼亚鸢尾（Iris versicolor）和洋红鸢尾（Iris virginica）。

以下是使用KNN实现鸢尾花分类的一个简单步骤：

1. 导入所需库：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

2. 加载鸢尾花数据集：

iris = datasets.load_iris()
X = iris.data  # 特征
y = iris.target  # 类别标签

3. 数据预处理（分割训练集和测试集）：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练KNN模型：

knn = KNeighborsClassifier(n_neighbors=3)  # 通常选择3作为K值，表示最近的三个邻居
knn.fit(X_train, y_train)

5. 预测测试集并计算准确率：

y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")