数据集knn分类

from sklearn.model_selection import cross_val_score
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier

iris = load_iris()
k_range = range(1, 31)
k_error = []
x = iris.data
y = iris.target
k_sel = 0
min_error = 1
for k in k_range:
    knn = KNeighborsClassifier(n_neighbors=k)
    # cv参数决定数据集划分比例，6折交叉验证
    scores = cross_val_score(knn, x, y, cv=6, scoring='accuracy')
    k_error.append(1 - scores.mean())
    if (1 - scores.mean() < min_error):
        min_error = 1 - scores.mean()
        k_sel = k
print("k:", k_sel, "min_error:", min_error)

plt.plot(k_range, k_error)
plt.xlabel('Value of K for KNN')
plt.ylabel('Error')
plt.show()

首先是数据层面的操作。通过load_iris()加载经典的鸢尾花数据集，该数据集包含150个样本，每个样本有花萼长度、花萼宽度、花瓣长度、花瓣宽度4个特征，对应山鸢尾、变色鸢尾、维吉尼亚鸢尾3类标签。代码中先查看了数据集的基础信息，如打印特征数据、标签、特征名称和目标类别名称，还利用train_test_split将数据集按7:3的比例划分为训练集与测试集，为后续模型训练和评估提供数据支撑，这一步是机器学习任务中“数据准备”阶段的关键环节，确保数据能被模型有效利用。

接着进入模型的训练与初步评估。构建KNeighborsClassifier实例（初始设置n_neighbors=5），调用fit方法用训练集数据训练模型，让模型学习“特征→标签”的对应关系。之后用predict方法对测试集特征进行预测，得到预测标签y_predict，再通过score方法计算模型在测试集上的准确率，以此评估模型初步的分类性能，这是“模型构建与评估”阶段，验证了KNN算法在鸢尾花数据集上的基本可用性。

最后是模型的优化——最优k值选择。KNN算法的核心参数k（近邻数量）对模型性能影响显著，为找到最优k，代码设置k的候选范围为1到30，通过cross_val_score进行6折交叉验证（将数据集拆分为6份，轮流作为训练和验证集），计算每个k值下模型的平均准确率，并转换为错误率存入列表。同时，在循环中实时跟踪最小错误率及对应的k值，最终确定当k=9时，模型错误率最低（约22.5%）。为更直观展示k与错误率的关系，还通过matplotlib绘制折线图，清晰呈现错误率随k值变化的趋势，这一“参数优化”阶段能让模型在特定数据集上的性能达到更优状态。

整体而言，这段代码完整覆盖了机器学习分类任务的核心步骤，从数据准备、模型构建、初步评估到参数优化，清晰展现了如何利用KNN算法解决鸢尾花分类问题，是理解和实践监督学习分类任务的很好范例，有助于初学者掌握机器学习的基本流程与方法。