生成利用KNN算法对鸢尾花数据集进行三分类的python代码

以下是利用KNN算法对鸢尾花数据集进行三分类的Python代码：

import numpy as np
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()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 建立KNN分类模型
knn = KNeighborsClassifier(n_neighbors=3)

# 拟合训练数据
knn.fit(X_train, y_train)

# 预测测试数据
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print("KNN分类器准确率为：", accuracy)

在上面的代码中，首先我们使用`load_iris()`函数加载鸢尾花数据集，然后将数据集分为训练集和测试集。接着，我们建立一个KNN分类模型，并使用`fit()`方法拟合训练数据。最后，我们使用`predict()`方法预测测试数据，并使用`accuracy_score()`函数计算模型的准确率。