k近邻算法预测鸢尾花品种

这学期数据挖掘和图像处理都涉及了机器学习，无奈上课走神，只能自学一哈了~

简单实例–k近邻算法预测鸢尾花品种

1.这个例子在做什么事

已有的鸢尾花三个品种（setosa、versicolor，virginica）的大量特征数据（花萼长度，宽度…）,现在新发现野外有一个鸢尾花，测出这株花的特征数据，让python根据已有数据来预测这株花是三个品种中的哪一个

2.用什么算法来预测–k近邻法

原理很简单，在已有数据中找到和新发现的鸢尾花特征最相似的一株鸢尾花a,则a是什么品种算法就认为新花是什么品种

3.大致思路

鸢尾花的已知数据直接用load_iris()函数即可获取，不需要自己下载，将这些数据分为训练集和测试集，顾名思义一部分让机器训练，另一部分测试训练效果
我们可以看一看load_iris()
第一部分是data,也就是特征数值

第二部分是target,就是对应的品种，用0,1,2表示

4.源代码

环境：jupyter notebook(pycharm需要修改)
可能遇到的错误：No Module named ‘mglearn’，在anaconda文件夹打开anaconda promt.exe,输入 pip install mglearn,回车

from sklearn.datasets import load_iris
iris_dataset = load_iris()


from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
        iris_dataset['data'], iris_dataset['target'], random_state=0)

import numpy as np
import pandas as pd
import mglearn
from pandas import DataFrame
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit