knn鸢尾花分类python

KNN（k-Nearest Neighbors）算法是一种简单的机器学习算法，它能够根据已知数据集中每个样本的特征，对未知数据进行分类。鸢尾花数据集是机器学习中常用的数据集之一，包含了150个样本，每个样本有4个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度，以及它所属的类别（Setosa，Versicolour或Virginica）。

下面是一个用Python实现的KNN鸢尾花分类的示例代码：

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

# 加载数据集
iris = load_iris()

# 划分训练集和测试集，比例为7：3
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

# 创建KNN分类器，设置k值为3
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集
y_pred = knn.predict(X_test)

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

输出结果为：

Accuracy: 0.9777777777777777

这表示我们的KNN分类器在测试集上的准确率为97.8%。