用python运行knn模型

首先，需要安装scikit-learn模块来实现KNN模型。可以在命令行中运行以下命令来安装：

pip install scikit-learn

接下来，可以使用以下代码来实现KNN模型：

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iris数据集
iris = load_iris()

# 划分训练集和测试集
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)

# 拟合模型
knn.fit(X_train, y_train)

# 预测测试集
y_pred = knn.predict(X_test)

# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("模型准确率：", accuracy)

这是一个基本的KNN模型实现，其中使用了iris数据集。首先，使用`load_iris()`函数加载数据集。然后，使用`train_test_split()`函数将数据集划分为训练集和测试集。接着，使用`KNeighborsClassifier`类构建KNN模型，并使用`fit()`方法拟合模型。最后，预测测试集并计算模型准确率。