pyhton knn 鸢尾花

KNN（K-Nearest Neighbors）是一种基本的分类算法，可以用于处理鸢尾花数据集。以下是一个使用Python和Scikit-Learn库实现KNN算法对鸢尾花进行分类的示例代码：

from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

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

# 预测测试集结果
y_pred = knn.predict(X_test)

# 输出测试集准确率
print("Test set accuracy: {:.2f}".format(knn.score(X_test, y_test)))

在这个示例中，首先加载鸢尾花数据集，然后将数据集分割成训练集和测试集。接下来，使用KNeighborsClassifier类创建KNN模型并训练模型。最后，使用测试集来评估模型的准确率。