给我一份iris的机器学习源代码 读取csv格式的iris数据集。用决策树和K近邻算法

在Python中，我们可以使用scikit-learn库来实现读取CSV格式的Iris数据集并分别构建决策树和K近邻模型。以下是一个简单的示例代码：

# 导入所需的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris

# 加载Iris数据集
iris = load_iris()
data = iris.data
target = iris.target

# 将数据转换为pandas DataFrame方便读取和操作
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['species'] = iris.target

# 划分数据集（假设80%训练，20%测试）
X_train, X_test, y_train, y_test = train_test_split(df.drop('species', axis=1), df['species'], test_size=0.2)

# 构建决策树模型
tree_model = DecisionTreeClassifier(random_state=42)
tree_model.fit(X_train, y_train)

# 构建K近邻模型
knn_model = KNeighborsClassifier(n_neighbors=3)  # 使用默认的k值
knn_model.fit(X_train, y_train)

# 打印模型简要信息
print("Decision Tree Model:")
print(tree_model)
print("\nK-Nearest Neighbors Model:")
print(knn_model)

在这个例子中，我们首先加载了Iris数据集，然后将其划分为训练集和测试集。接着，分别创建了决策树和K近邻模型，并进行了训练。最后，打印出两个模型的基本信息。