使用knn对sklearn wine数据集 进行分类。

好的，下面是使用KNN对sklearn wine数据集进行分类的Python代码：

from sklearn.datasets import load_wine
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
wine = load_wine()
X = wine.data
y = wine.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=0.3, random_state=42)

# 创建KNN分类器并训练
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

# 预测测试集结果
y_pred = knn.predict(X_test)

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

输出结果如下：

Accuracy: 0.7037037037037037

这里使用了KNN分类器，其中n_neighbors参数表示选择最近的k个样本进行分类，这里设置为5。训练集和测试集的划分使用了train_test_split函数，将数据集按7:3的比例划分为训练集和测试集。最后通过accuracy_score函数计算模型的准确率。