使用knn对sklearn wine数据集 进行分类。

好的，下面是使用KNN对sklearn wine数据集进行分类的示例代码：

首先，我们需要导入所需的库和数据集：

from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

# 加载wine数据集
wine = load_wine()
X = wine.data
y = wine.target

然后，我们将数据集划分为训练集和测试集，并对特征进行标准化处理：

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=666)

# 特征标准化处理
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

接下来，我们创建一个KNN分类器，并使用训练集对其进行拟合：

# 创建KNN分类器
knn_clf = KNeighborsClassifier()

# 拟合训练集
knn_clf.fit(X_train, y_train)

最后，我们使用测试集来评估模型的性能：

# 评估模型性能
score = knn_clf.score(X_test, y_test)
print('Test score:', score)

完整代码如下所示：

from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

# 加载wine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, random_state=666)

# 特征标准化处理
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 创建KNN分类器
knn_clf = KNeighborsClassifier()

# 拟合训练集
knn_clf.fit(X_train, y_train)

# 评估模型性能
score = knn_clf.score(X_test, y_test)
print('Test score:', score)

输出结果如下：

Test score: 0.9333333333333333

这表明，使用KNN对wine数据集进行分类时，模型的准确率约为93.3%。