python sklearn

# 导入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data  # 特征
y = iris.target  # 标签

# 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, random_state=42)

# 创建KNN分类器对象
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
accuracy = accuracy_score(y_test, y_pred)
print(f"模型的准确率为: {accuracy:.2f}")

# 解释说明：
# 1. 导入了sklearn中的相关模块，包括加载数据集、划分数据集、KNN分类器和评估指标。
# 2. 使用了Iris数据集作为示例数据集。
# 3. 将数据集划分为训练集和测试集，其中70%的数据用于训练，30%的数据用于测试。
# 4. 创建了一个KNN分类器，并设置了邻居数为3。
# 5. 使用训练集对模型进行训练。
# 6. 使用测试集对模型进行预测，并计算预测结果的准确率。