使用鸢尾花数据集来做knn的python代码实例

当然可以。使用Python的scikit-learn库进行KNN（K-Nearest Neighbors，最近邻算法）分类，以Iris（鸢尾花）数据集为例，首先需要导入所需的库并加载数据，然后训练模型、进行预测和评估性能。这是一个基本的步骤：

# 导入所需库
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

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data   # 特征
y = iris.target # 类别标签

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建KNN分类器，设置k值为3（可以根据需求调整）
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 进行预测
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

#