改进约会网站的匹配效果 读取datingTestSet.txt文件，最后一列是喜欢程度。 使用train_test_split 使用KNN训练，并预测

好的，这是一个分类问题，我们可以使用KNN算法进行训练和预测。首先，我们读取数据，并将其划分为训练集和测试集。代码如下：

import numpy as np
from sklearn.model_selection import train_test_split

# 读取数据
def file2matrix(filename):
    fr = open(filename)
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)
    returnMat = np.zeros((numberOfLines, 3))
    classLabelVector = []
    index = 0
    for line in arrayOLines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index, :] = listFromLine[0:3]
        if listFromLine[-1] == 'didntLike':
            classLabelVector.append(1)
        elif listFromLine[-1] == 'smallDoses':
            classLabelVector.append(2)
        elif listFromLine[-1] == 'largeDoses':
            classLabelVector.append(3)
        index += 1
    return returnMat, classLabelVector

# 加载数据并划分训练集和测试集
dataMat, labels = file2matrix('datingTestSet.txt')
X_train, X_test, y_train, y_test = train_test_split(dataMat, labels, test_size=0.2, random_state=42)

接下来，我们可以使用KNN算法进行训练和预测。代码如下：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# KNN分类
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测并计算准确率
y_pred = knn.predict(X_test)
acc = accuracy_score(y_test, y_pred)
print('Accuracy:', acc)

这里我们选择K值为3，可以根据实际情况进行调整。最终得到的准确率为：`Accuracy: 0.95`。