帮我用python写一个KNN算法训练自己csv数据集的代码

好的，以下是一个使用KNN算法训练自己csv数据集的Python代码示例：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 加载数据集
data = pd.read_csv('your_csv_file.csv')

# 分离特征和标签
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 构建KNN模型
knn = KNeighborsClassifier(n_neighbors=5)

# 训练模型
knn.fit(X_train, y_train)

# 预测结果
y_predict = knn.predict(X_test)

# 输出准确率
print(knn.score(X_test, y_test))

以上代码中，我们首先使用pandas库中的read_csv函数加载了一个csv格式的数据集，然后使用iloc函数分离了特征和标签。接着使用train_test_split函数将数据集划分为训练集和测试集，并创建了一个KNeighborsClassifier对象，指定了k值为5。然后使用fit方法训练模型，使用predict方法对测试集进行预测，并输出了模型的准确率。