机器学习-鸢尾花分类

一.实验标题

利用鸢尾花数据集实现knn分类算法

二.实验准备

安装需要的库，包括Numpy，pandas，mglearn，sklearn
使用Python3，在Jupyter notebook环境下
安装代码：
pip3 install numpy pandas scikit-learn mglearn jupyter

三.算法内容

采用百度百科解释：
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

四.实验内容

由于鸢尾花（iris）数据集在scikit-learn的datasets的模块中，故调用load_iris函数可加载数据，但是数据不一定满足要求，利用散点图来观察数据：

import mglearn
import pandas as pd
from sklearn.datasets import load_iris
iris_dataset = load_iris()
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(iris_dataset['data'],iris_dataset['target'],random_state = 0)
iri