库 sklearn

库下的工具：
datasets，model_selection，neighbors

K近邻代码思路：
有个数据集----对数据分割----调用KNN算法

iris = datasets.load_iris()

导入数据集
数据集权重：开源数据集，重要数据集之一
数据集特点：还有3个类别，所以可分类
数据集描述链接：https://archive.ics.uci.edu/ml/datasets/Iris/

x=iris.data
y=iris.target
print(x,y)

y表示类别：3个值。所以适合分类问题
iris有150个已知数据，所以 len ( x ) , len ( y ) 都是150

x_train , x_test , y_train , y_test = train_test_split ( x , y , random_state = 2003 )

分割数据集
x 是已知数据，一共 150 个，分成训练集112个 和 测试集38个
y 同理

clf = KNeighborsClassifier(n_neighbors=3)

调用k近邻算法，邻居为3

clf.fit(x_train,y_train)