KNN带有数据集的代码

好的，下面是一个完整的Python代码示例，用于使用KNN算法对莺尾花进行分类。

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

# 加载莺尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 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=0.3)

# 创建KNN分类器，并进行训练
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 对测试集进行预测，并输出预测结果
y_pred = knn.predict(X_test)
print("预测结果：", y_pred)

# 输出模型在测试集上的准确率
accuracy = knn.score(X_test, y_test)
print("准确率：", accuracy)

在这个示例中，我们首先使用Sklearn库中的`datasets`模块加载莺尾花数据集，并将其分为训练集和测试集。然后我们创建一个KNN分类器，并使用训练集对其进行训练。接着，我们对测试集进行预测，并输出预测结果以及模型在测试集上的准确率。

你可以将这个代码示例保存为一个Python文件（例如`knn_iris.py`），并在命令行中运行它来执行分类任务。