knn python练习

当然可以！KNN（K-Nearest Neighbors）是一种常用的机器学习算法，可以用于分类和回归问题。在Python中，我们可以使用scikit-learn库来实现KNN算法。

下面是一个简单的KNN分类的示例代码：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

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

# 在训练集上训练模型
knn.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这段代码首先加载了一个经典的鸢尾花数据集（load_iris），然后将数据集划分为训练集和测试集（train_test_split），然后创建了一个KNN模型（KNeighborsClassifier），设置了邻居数为3。接下来，将训练集传入fit方法进行模型训练，然后使用测试集进行预测，最后计算准确率。

你可以根据自己的需求调整数据集和参数，进行不同的KNN练习。希望这个示例代码能对你有所帮助！如有其他问题，请继续提问。