采用KNN模型对鸢尾花进行分类预测

机器学习项目实践练习：基于KNN分类模型的鸢尾花分类预测

目录

• 机器学习项目的实践练习主要围绕着以KNN分类模型为基础对鸢尾花进行分类预测。
• KNN分类模型的基本概念即为利用k个最近邻居的数据点来进行数据分组与预测。
• 在scikit−learn库中应用k−近邻算法的具体步骤包括加载数据集、标准化特征、构建模型并训练以及评估结果。

KNN分类模型概念

概念：KNN全称（k nearest neighbor）主要是通过k nearest neighbor算法采用评估不同特征值之间距离手段进行机器学习分类的一种方法。如图所示：该图表用于直观展示数据特征分布情况。

其原理极为基础：其基本原理为，在现有数据集中对新输入样本进行分类时，在已有数据中识别出与之最近的K个邻居，并通过分析这些邻居所属类别来推断待分类样本所属类别

在scikit-learn库中使用k-近邻算法

在scikit-learn库内置了若干可供我们直接利用的数据集，在本次研究中我们将采用经典的鸢尾花数据集来构建K-近邻（KNN）分类模型

模块导入