Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于(Setosa，Versicolour，Virginica)三个种类中的哪一类。
iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的各50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。
该数据集包含了4个属性：
& Sepal.Length(花萼长度)，单位是cm;
& Sepal.Width(花萼宽度)，单位是cm;
& Petal.Length(花瓣长度)，单位是cm;
& Petal.Width(花瓣宽度)，单位是cm;
1.导包
import numpy as np
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
2.数据集导入
①from sklearn import datasets
iris = datasets.load_iris()
②提前下载好数据集,用pandas包导入
例:iris=pd.read_csv('文件名',columns=['列名'])
3.查看数据特征
iris.data.shape
4. 拆分属性数据
iris_X = iris.data
5.# 拆分类别数据
iris_y = iris.target
6.预测数据
#准备训练集和测试集
iris_train_X , iris_test_X, iris_train_y ,iris_test_y = train_test_split(iris_X, iris_y, test_size=0.2,random_state=0)
#创建模型
knn = KNeighborsClassifier(n_neighbors=6)
#训练模型
knn.fit(iris_train_X, iris_train_y)
#预测
predict_result=knn.predict(iris_test_X)
print('预测结果',predict_result)
# 计算预测的准确率
print('预测准确率',knn.score(iris_test_X, iris_test_y))
