【人工智能-练习】利用Scikit-learn实现KNN对鸢尾花分类的案例

K最近邻（K-Nearest Neighbors，KNN）是一种简单且有效的分类算法，在机器学习入门中有着广泛的应用。本次实验将介绍如何使用Scikit-learn库中的KNN算法对鸢尾花（Iris）数据集进行分类。

一、实验背景

鸢尾花数据集（Iris Dataset）是机器学习领域中经典的一个数据集，常用于分类算法的实验和教学。该数据集包含150个鸢尾花样本，属于3个不同的物种：Setosa、Versicolor 和 Virginica。每个样本有4个特征：花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）和花瓣宽度（petal width），所有特征都是连续型数值。数据集共有50个样本来自每个物种，目标是基于这4个特征来预测鸢尾花的物种类别。该数据集简单易用，适合初学者用来进行数据预处理、模型训练和性能评估等基础任务。

KNN算法是一种基于实例的学习方法，通过计算样本之间的距离，找出与待分类样本最相似的K个邻居，以投票