knn算法怎么跑python

K-Nearest Neighbors (KNN) 算法是一种基于实例的学习方法，用于分类和回归任务。在Python中，你可以使用scikit-learn库来轻松实现KNN。以下是使用KNN进行简单分类的一个步骤：

1. 导入所需的库：

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

2. 加载数据集（这里以鸢尾花数据集为例）：

iris = datasets.load_iris()
X = iris.data
y = iris.target

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练KNN分类器：

k = 3  # 这里选择3个最近邻居
knn = KNeighborsClassifier(n_neighbors=k)
knn.fit(X_train, y_train)

5. 预测测试集：

y_pred = knn.predict(X_test)

6. 评估模型性能：

accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)