knn算法判断水果类别代码jupyter

KNN（K-Nearest Neighbors，k近邻）算法是一种基于实例的学习方法，用于分类和回归分析。在Python Jupyter Notebook中使用KNN对水果进行分类，我们通常会先导入所需的库，如sklearn，然后准备数据集、划分训练集和测试集，并最终应用KNN模型。以下是一个简化的例子：

# 导入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 加载水果（假设是Iris数据集的一个简化版本）
iris = load_iris()
X = iris.data
y = iris.target

# 数据预处理（如归一化或编码类别）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练KNN分类器
knn = KNeighborsClassifier(n_neighbors=5) # 选择邻居数（这里设为5）
knn.fit(X_train, y_train)

# 预测新样本的类别
example_fruit = [[...]] # 新的水果特征向量
prediction = knn.predict(example_fruit)

# 输出预测结果
print(f"预测的水果类别：{prediction}")

#