基于GridSearchCV训练KNN模型

要基于GridSearchCV来训练KNN模型，首先需要导入所需的库和数据集。然后，设置KNN模型的超参数范围，并创建GridSearchCV对象。接下来，通过fit方法来训练模型，并使用best_params_属性获取最佳超参数。最后，使用best_estimator_属性获取最佳模型。

以下是一个基于GridSearchCV训练KNN模型的示例代码：

from sklearn.model_selection import GridSearchCV
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris

# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target

# 设置KNN模型的超参数范围
param_grid = {'n_neighbors': [3, 5, 7], 'weights': ['uniform', 'distance']}

# 创建GridSearchCV对象
grid_search = GridSearchCV(KNeighborsClassifier(), param_grid, cv=5)

# 训练模型
grid_search.fit(X, y)

# 获取最佳超参数
best_params = grid_search.best_params_
print("Best parameters: ", best_params)

# 获取最佳模型
best_model = grid_search.best_estimator_
print("Best model: ", best_model)