第1关：利用sklearn构建KNN模型

通过sklearn库可以很方便地构建KNN模型。首先，需要导入所需的库：numpy、sklearn.datasets、sklearn.neighbors。然后，可以使用datasets.load_iris()函数导入鸢尾花数据集，并将数据集分成训练集和测试集。接着，可以使用KNeighborsClassifier()函数创建一个KNN分类器，并使用fit()函数拟合训练集。最后，可以使用predict()函数对测试集进行预测，使用Y_test保存实际值。

代码示例：

# 导入所需库
import numpy as np
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier

# 导入鸢尾花数据集
iris = datasets.load_iris()
iris_X = iris.data
iris_Y = iris.target

# 将数据分成训练集和测试集
X_train, X_test, Y_train, Y_test = train_test_split(iris_X, iris_Y, test_size=0.3)

# 创建KNN分类器并拟合训练集
knn = KNeighborsClassifier()
knn.fit(X_train, Y_train)

# 使用KNN分类器对测试集进行预测
predictions = knn.predict(X_test)

# 显示预测结果和实际值
print(predictions)
print(Y_test)