机器学习 机器学习 请帮我写一段K近邻算法的python代码，数据为萼片长度为：“5.1，6.4，5.9”。萼片宽度：“3.5，3.5，3.0”。花瓣长度：“1.4，4.5，5.0”。花瓣宽度：“0.2，1.2，1.8”。类别：“山鸢尾，杂色鸢尾，维吉尼亚鸢尾”。

机器学习是一种人工智能的分支，它通过使用统计学和算法来使计算机系统具备从数据中学习和改进的能力，而无需明确地进行编程。机器学习算法可以根据输入数据的模式和规律进行预测、分类、聚类等任务。

下面是一个简单的K近邻算法的Python代码示例，用于根据给定的数据进行分类：

from math import sqrt

# 计算两个样本之间的欧氏距离
def euclidean_distance(instance1, instance2):
    distance = 0
    for i in range(len(instance1)):
        distance += (instance1[i] - instance2[i]) ** 2
    return sqrt(distance)

# K近邻算法
def k_nearest_neighbors(data, query, k):
    distances = []
    for i in range(len(data)):
        distance = euclidean_distance(data[i][:4], query)
        distances.append((data[i], distance))
    distances.sort(key=lambda x: x[1])
    neighbors = [distances[i][0] for i in range(k)]
    return neighbors

# 数据集
data = [
    ([5.1, 3.5,1.4, 0.2], "山鸢尾"),
    ([6.4, 3.5, 4.5, 1.2], "杂色鸢尾"),
    ([5.9, 3.0, 5.0, 1.8], "维吉尼亚鸢尾")
]

# 查询样本
query = [5.1, 3.5, 1.4, 0.2]

# 设置K值
k = 1

# 进行分类
neighbors = k_nearest_neighbors(data, query, k)

# 输出分类结果
print("查询样本的分类结果为:", neighbors[0][1])