knn算法python实现

KNN (K-Nearest Neighbors) 算法是一种基于实例的学习方法，在Python中通常通过sklearn库实现。以下是简单的步骤：

1. 导入必要的库：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

2. 准备数据集：数据集应包含特征和标签两部分。例如，你可以使用`load_iris`函数从sklearn加载鸢尾花数据集作为示例。

from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)

3. 划分训练集和测试集：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练KNN模型，指定k值（如5）：

knn_model = KNeighborsClassifier(n_neighbors=5)
knn_model.fit(X_train, y_train)

5. 预测测试集结果：

y_pred = knn_model.predict(X_test)

6. 评估模型性能：

from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)