用knn算法实验数据分类完整代码

以下是使用KNN算法进行数据分类的完整代码示例：

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

# 加载数据集
iris = load_iris()
X, y = iris.data, 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=0.2, random_state=42)

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

# 预测测试集
y_pred = knn.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("准确率：{:.2f}%".format(acc*100))

上述代码首先使用`load_iris()`函数加载`iris`数据集，然后使用`train_test_split()`函数划分训练集和测试集。接着，使用`KNeighborsClassifier`类初始化一个KNN模型，并使用训练集进行训练。然后，使用`predict()`函数对测试集进行预测，并使用`accuracy_score()`函数计算准确率。最后，输出准确率结果。