写一个python代码实现利⽤KNN算法构建模型，根据鸢尾花的花萼和花瓣⼤⼩，区分鸢尾花的品种。实现⼀个基础的三分类问题。Iris 鸢尾花数据集内包含 3 种类别，分别为⼭鸢尾（Iris-setosa）、变⾊鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）。数据集共 150 条记录，每类各 50 个数据，每条记录有花萼长度、花萼宽度、花瓣长度、花瓣宽度4项特征，通过这4个特征预测鸢尾花卉属于哪⼀品种。iris数据集包含在sklearn库当中，具体在sklearn\datasets\data⽂件夹下，⽂件名为iris.csv。打开iris.csv，数据格式如下：第⼀⾏数据意义为： 150：数据集中数据的总条数 4：特征值的类别数，即花萼长度、花萼宽度、花瓣长度、花瓣宽度。 setosa、versicolor、virginica：三种鸢尾花名 从第⼆⾏及以下数据的意义为： 第⼀列为花萼长度值 第⼆列为花萼宽度值 第三列为花瓣长度值 第四列为花瓣宽度值 第五列对应是种类（三类鸢尾花分别⽤0，1，2表⽰）

好的，以下是实现代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, confusion_matrix

# 读取数据集
iris = pd.read_csv('sklearn/datasets/data/iris.csv')

# 分离出特征和标签
X = iris.iloc[:, :-1]
y = iris.iloc[:, -1]

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立KNN模型
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
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('Accuracy:', acc)

# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred)
print('Confusion Matrix:\n', cm)

其中，首先使用pandas库读取iris.csv文件，分离出特征和标签。然后，使用train_test_split函数将数据集分为训练集和测试集。接着，建立KNN模型并训练模型。最后，预测测试集并计算准确率和混淆矩阵，从而评估模型的分类效果。