莺尾花的分类问题KNN（K-近邻）分类算法代码，python

以下是莺尾花分类问题的KNN分类算法Python代码示例：

from sklearn.datasets import load_iris  # 导入莺尾花数据集
from sklearn.model_selection import train_test_split  # 划分数据集
from sklearn.neighbors import KNeighborsClassifier  # KNN分类器

# 加载莺尾花数据集
iris = load_iris()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 创建KNN分类器，K值为3
clf = KNeighborsClassifier(n_neighbors=3)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集的类别
y_pred = clf.predict(X_test)

# 计算模型的准确率
accuracy = clf.score(X_test, y_test)
print("模型的准确率为：{:.2f}%".format(accuracy * 100))

在以上代码中，首先导入莺尾花数据集并划分训练集和测试集。然后创建KNN分类器，K值为3，使用训练集来训练模型。接着，使用测试集来预测新莺尾花的类别，并计算模型的准确率。最后输出模型的准确率。