写一个三个特征,三个种类的knn分类器,总共有150行数据

好的，我可以为您编写一个knn分类器，满足您的要求。首先，让我们简要介绍一下knn分类器。

K近邻（K-Nearest Neighbor，简称KNN）分类算法是一种基于实例的学习方法，它通过比较不同实例之间的距离来计算出最近邻居，并根据最近邻居的分类结果来预测新实例的分类。KNN算法的基本思想是：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。

根据您的要求，我将为您编写一个三个特征，三个种类的KNN分类器，总共有150行数据。在这个分类器中，我们将使用Iris数据集作为训练数据集。

Iris数据集是机器学习中常用的数据集之一，它包含了3个不同种类的鸢尾花的花萼长度、花萼宽度、花瓣长度、花瓣宽度这4个特征。每个种类有50个样本，总共150个样本。这些样本被均匀地分布在3个种类中。

接下来是代码实现：

import numpy as np
from collections import Counter
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 定义一个KNN分类器函数
def knn(X