学生饮酒量数据集knn分类算法代码

以下是使用KNN分类算法对学生饮酒量数据集进行分类的Python代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('student_alcohol.csv')

# 将特征数据和目标数据分离
X = data.drop('drinker', axis=1)
y = data['drinker']

# 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)

# 构建KNN分类器
knn = KNeighborsClassifier(n_neighbors=5)

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集结果
y_pred = knn.predict(X_test)

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

其中，`student_alcohol.csv`是学生饮酒量数据集的CSV文件，包含了学生的一些特征信息（如性别、年龄、周末饮酒量、平时饮酒量等）以及是否为饮酒者（0表示非饮酒者，1表示饮酒者）。

代码中使用`train_test_split`函数将数据集划分为训练集和测试集，使用`KNeighborsClassifier`构建KNN分类器，并使用`fit`方法进行训练。然后使用`predict`方法对测试集进行预测，最后使用`accuracy_score`函数计算准确率。