KNN iris 写出代码

以下是使用KNN算法对Iris数据集进行分类的Python代码：

from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier
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

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 构建KNN分类器
k = 3
knn = KNeighborsClassifier(n_neighbors=k)

# 训练分类器
knn.fit(X_train, y_train)

# 预测测试集的标签
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print("KNN分类器的准确率为:", accuracy)

在这个例子中，我们首先加载Iris数据集，然后将数据集划分为训练集和测试集。我们使用KNeighborsClassifier类构建KNN分类器，设置k值为3（即选择最近的3个邻居来进行分类）。然后，我们使用训练集对分类器进行训练，并在测试集上进行预测。最后，我们计算分类器的准确率并将其打印出来。