Python中使用KNN算法对Iris数据集进行分类的实现指南

一只小鹿

发布时间：2026-10-13| 3人浏览过

原创

本文介绍了如何在Python环境中利用KNN算法对Iris数据集进行分类。通过加载数据集、划分训练测试集、标准化处理以及模型训练与评估，展示了完整的分类流程。代码示例涵盖了从数据加载到结果输出的关键步骤，帮助读者快速掌握KNN在分类任务中的应用。

具体实现步骤如下所示：

from sklearn.datasets import load_iris
 
iris = load_iris()
 
print iris.data.shape
 
from sklearn.cross_validation import train_test_split
 
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size = 0.25, random_state = 33)
 
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
 
ss = StandardScaler()
 
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)
 
knc = KNeighborsClassifier()
knc.fit(X_train, y_train)
y_predict = knc.predict(X_test)
 
print 'The accuracy of K-Nearest Neighbor Classifier is: ', knc.score(X_test, y_test)
 
from sklearn.metrics import classification_report
 
print classification_report(y_test, y_predict, target_names = iris.target_names)

以上就是在Python中利用KNN算法对Iris数据集进行分类的完整方法分享。希望上述内容能为读者提供有效的参考，同时也欢迎大家继续支持本站，获取更多技术资源。