导入 IRIS 数据集 使用 KNN 进行分类方法分析 使用 Matplotlib 进行结果的可视化的代码

以下是 Python 中使用 Scikit-learn 库导入 IRIS 数据集，使用 KNN 分类器进行分类，使用 Matplotlib 进行可视化的代码示例：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 导入 IRIS 数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构造 KNN 分类器
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 评估模型准确率
y_pred = knn.predict(X_test)
acc = accuracy_score(y_test, y_pred)
print("KNN 分类器的准确率为: {:.2f}".format(acc))

# 可视化分类结果
fig, ax = plt.subplots()
ax.scatter(X_test[:, 0], X_test[:, 1], c=y_pred, s=50, cmap="viridis")
ax.set_title("KNN 分类器的分类结果", fontsize=14)
plt.show()

说明：以上代码中使用的 KNN 分类器参数 n_neighbors=3，即选择最近的 3 个邻居进行分类。可根据实际情况调整参数。