import numpy as np from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier iris_data = load_iris() # 构造训练数据和测试数据 # 构造KNN模型 # 训练模型 # 评估模型 # 做出预测 X_new = np.array([[1.1,5.9,1.4,2.2]]) #给出X_new预测结果

好的，以下是KNN算法实现鸢尾花分类的完整代码，包括构造训练数据和测试数据、构造KNN模型、训练模型、评估模型和做出预测等部分：

import numpy as np 
from sklearn.datasets import load_iris 
from sklearn.model_selection import train_test_split 
from sklearn.neighbors import KNeighborsClassifier

iris_data = load_iris()

# 构造训练数据和测试数据
X_train, X_test, y_train, y_test = train_test_split(iris_data.data, iris_data.target, test_size=0.2)

# 构造KNN模型
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 评估模型
print("训练集得分:", knn.score(X_train, y_train))
print("测试集得分:", knn.score(X_test, y_test))

# 做出预测
X_new = np.array([[1.1, 5.9, 1.4, 2.2]])
prediction = knn.predict(X_new)
print("预测结果:", iris_data.target_names[prediction])

其中，构造训练数据和测试数据的部分使用了`train_test_split`函数将数据集划分为训练集和测试集；构造KNN模型的部分使用了`KNeighborsClassifier`类，其中`n_neighbors`参数指定了K值；训练模型的部分使用了`fit`方法；评估模型的部分使用了`score`方法，分别计算了训练集得分和测试集得分；最后，做出预测的部分使用了`predict`方法，并将结果转换为鸢尾花的类别名称。