用KNN实验一分类的代码

使用K-近邻算法（K-Nearest Neighbors, KNN）进行简单的一分类任务，比如在Python的scikit-learn库中是一个常见的示例。以下是基本的代码框架：

# 导入所需的库
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import numpy as np

# 加载数据集（这里以鸢尾花数据集为例）
iris = load_iris()
X = iris.data  # 特征数据
y = iris.target  # 标签数据

# 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)

# 创建KNN分类器
knn = KNeighborsClassifier(n_neighbors=5)  # 通常选择k值为奇数，例如5或7

# 使用训练数据拟合模型
knn.fit(X_train, y_train)

# 预测测试集
predictions = knn.predict(X_test)

# 打印预测结果
print("Predictions:", predictions)

# 评估模型性能
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, predictions)
print("Accuracy:", accuracy)