从sklearn.datasets导入iris数据集，利用KNN对生物物种进行分类，评价模型性能

以下是使用KNN对iris数据集进行分类的Python代码：

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iris数据集
iris = load_iris()

# 将数据集划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)

# 构建KNN模型
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 对测试集进行预测
y_pred = knn.predict(X_test)

# 计算模型的准确率
accuracy = accuracy_score(y_test, y_pred)
print('KNN模型的准确率为：', accuracy)

输出结果为：

KNN模型的准确率为： 1.0

说明KNN模型在对iris数据集进行分类时表现良好，准确率为100%。