用iris在python实现KNN算法

好的，以下是使用iris数据集在Python中实现KNN算法的示例代码：

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

# 加载iris数据集
iris = load_iris()
X, y = iris.data, 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=0.2, random_state=42)

# 定义KNN分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
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("Accuracy:", accuracy)

在上面的代码中，首先使用`load_iris`函数加载iris数据集。然后，使用`train_test_split`函数将数据集划分为训练集和测试集。接下来，定义KNN分类器并使用训练集对其进行训练。最后，使用测试集对模型进行评估，并计算准确率。