使用knn实现3分类的代码

使用K-近邻(KNN)算法实现3分类的Python代码示例通常会包含以下几个步骤：

首先，确保已经导入了必要的库，如`numpy`, `pandas`, 和 `sklearn`（用于数据处理和机器学习）。

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report

假设我们有一个3类标签的数据集，可以这样表示：

# 假设X是特征数组，y是目标标签数组（0, 1, 2分别对应三类）
X = ... # 你的特征数据
y = ... # 你的3类别标签

# 数据预处理（例如标准化或归一化，视情况而定）
X = preprocessing.scale(X)

# 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)

然后创建并训练KNN分类器：

# 选择合适的k值（一般通过交叉验证选择），这里设置为3
k = 3
knn_classifier = KNeighborsClassifier(n_neighbors=k)

# 训练模型
knn_classifier.fit(X_train, y_train)

最后进行预测，并评估模型性能：

# 预测测试集
y_pred = knn_classifier.predict(X_test)

# 打印分类报告
print("Classification Report:\n", classification_report(y_test, y_pred))