實現近鄰分類器。

1.加載數據集

port load_iris

iris = load_iris()

X = iris.data

y = iris.target

2.劃分訓練集和測試集

接下來，我們需要將數據集劃分為訓練集和測試集。我們將使用75%的數據作為訓練集，25%的數據作為測試集。

odelport_test_splitdom_state=42)

3.訓練模型

現在，我們可以使用KNeighborsClassifier類來訓練近鄰分類器。我們將使用k=3作為參數。

eighborsport KNeighborsClassifierneighbors=3)n)

現在，我們可以使用訓練好的模型來預測測試集中的數據。

n.predict(X_test)

5.評估模型

，我們可以使用準確率來評估模型的性能。我們得到了97%的準確率。

etricsport accuracy_score

accuracy = accuracy_score(y_test, y_pred)tat(accuracy 100))

庫，我們可以輕松地實現近鄰分類器，并對其性能進行評估。