knn算法实现鸢尾花分类

KNN算法是一种基于实例的学习方法，它通过测量不同特征值之间的距离来进行分类。在实现鸢尾花分类时，我们可以使用KNN算法来预测鸢尾花的类别。

下面是一个简单的KNN算法实现鸢尾花分类的示例代码：

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

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

# 创建KNN分类器，设置K值为3
knn = KNeighborsClassifier(n_neighbors=3)

# 训练KNN分类器
knn.fit(X, y)

# 预测新样本的类别
new_sample = [[5.1, 3.5, 1.4, 0.2]]
predicted_class = knn.predict(new_sample)

print("Predicted class:", predicted_class)

在上面的代码中，我们首先加载了鸢尾花数据集，然后创建了一个KNN分类器，并将K值设置为3。接着，我们使用数据集中的样本来训练分类器。最后，我们使用一个新的样本来预测其类别，并输出预测的结果。