使用knn对sklearn 手写集 进行分类

好的，下面是使用knn对sklearn手写数字集进行分类的简单示例代码：

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

# 加载手写数字集数据
digits = load_digits()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.2, random_state=42)

# 创建knn分类器
knn = KNeighborsClassifier(n_neighbors=5)

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集
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，我们首先从sklearn.datasets中加载手写数字集数据，然后使用train_test_split函数将数据划分为训练集和测试集。接着，我们创建一个KNeighborsClassifier对象，并使用fit方法训练模型。最后，我们使用predict方法对测试集进行预测，并使用accuracy_score函数计算模型的准确率。