近邻算法的python实现

以下是使用scikit-learn库实现k近邻算法的Python代码：

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

# 加载数据集
iris = load_iris()
X, y = iris.data, 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, random_state=42)

# 创建k近邻分类器对象，设置k值为3
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 = knn.score(X_test, y_test)
print("Accuracy:", accuracy)

这段代码使用鸢尾花数据集作为示例数据，将数据集分为训练集和测试集，创建k近邻分类器对象，设置k值为3，训练模型，预测测试集，计算准确率并输出。