KNN实现鸢尾花分类

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from pandas import SeriesDataframe
from sklearn.datasets import load_iris
from sklearn.cross_validation import train_test_split
from matplotlib.colors import ListedColormap
from sklearn.neighbors import KNeighborsClassifier 
# 获取训练数据
iris=load_iris（）#导入数据
#样本数据150*4二维数据，代表150个样本，
#每个样本4个属性分别为花瓣和花萼的长、宽
data=iris.data
target=iris.target##长150的以为数组，样本数据的标签
target_names=iris.target_names#[‘setosa‘ ‘versicolor‘ ‘virginica‘]
feature_names=iris.feature_names#属性名称
#将数据集转为dataframe类型，列明为属性名称
features=Dataframe（data=datacolumns=feature_names） 
# 训练数据取130条   总数据150条   
X_train=features.iloc[0:1302:4]#取130行，数据集后两列作为训练集
y_train=target[:130]#前130行标签
# 测试数据取20条   总数据150条
x_test=features.iloc[130:2:4]#后20行为测试集
y_test=target[130:]#后20行的标签
#display（X_train.shapey_train.shapex_test.shapey_test.shape）
#显示训练集和测试集的大小
knn=KNeighborsClassifier（）#建立模型
knn.fi