Python写鸢尾花数据集分类模型代码

以下是使用Python和Scikit-learn库编写的鸢尾花数据集分类模型代码：

# 导入所需的库和数据集
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)

# 定义KNN分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集
y_pred = knn.predict(X_test)

# 计算模型的准确率
accuracy = accuracy_score(y_test, y_pred)
print("模型的准确率为：", accuracy)

输出结果应该类似于：

模型的准确率为： 0.9736842105263158

这个模型使用KNN算法对鸢尾花数据集进行分类，使用训练集训练模型，然后使用测试集测试模型，并计算模型的准确率。