引言​

k 最近邻（kNN）算法是一种简单而强大的机器学习算法，常用于分类和回归任务。在 Python 中，借助 scikit - learn（sklearn）库，我们可以轻松实现 kNN 算法。本文将为大家介绍两种使用 sklearn 库构建 kNN 算法的版本。​

环境准备​

在开始之前，请确保你已经安装了 Python 和 scikit - learn 库。如果没有安装，可以通过以下命令进行安装：​

pip install numpy scikit - learn​

numpy 是 scikit - learn 的依赖库，在许多机器学习任务中也会用到。​

基本版本 kNN 算法构建​

数据准备​

首先，我们需要准备数据集。这里以经典的鸢尾花数据集为例，该数据集包含 4 个特征和 3 个类别。可以通过 sklearn 库中的datasets模块加载：​

from sklearn.datasets import load_iris​
from sklearn.model_selection import train_test_split​
iris = load_iris()​
X = iris.data​
y = iris.target​
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)​

train_test_split函数将数据集按照 80:20 的比例划分为训练集和测试集。​

模型构建与训练​

接下来，我们使用KNeighborsClassifier类来构建 kNN 分类模型，并进行训练：​

from sklearn.neighbors import KNeighborsClassifier​
# 创建kNN分类器，k值设为5​
knn = KNeighborsClassifier(n_neighbors = 5)​
# 训练模型​
knn.fit(X_train, y_train)​

这里将 k 值设置为 5，你可以根据实际情况调整 k 值以优化模型性能。​

模型预测与评估​

训练完成后，我们使用测试集进行预测，并评估模型的准确性：​

y_pred = knn.predict(X_test)​
from sklearn.metrics import accuracy_score​
accuracy = accuracy_score(y_test, y_pred)​
print(f"模型准确率: {accuracy}")​

通过accuracy_score函数计算预测结果与真实标签之间的准确率。​

调优版本 kNN 算法构建​

超参数调优​

在实际应用中，我们通常需要对 kNN 算法的超参数（如 k 值）进行调优，以获得更好的性能。这里我们使用网格搜索（Grid Search）来寻找最优的 k 值。​

from sklearn.model_selection import GridSearchCV​
# 定义k值的搜索范围​
param_grid = {'n_neighbors': range(1, 21)}​
# 创建kNN分类器​
knn = KNeighborsClassifier()​
# 使用网格搜索进行超参数调优​
grid_search = GridSearchCV(knn, param_grid, cv = 5)​
grid_search.fit(X_train, y_train)​

这里我们在 1 到 20 的范围内搜索 k 值，并使用 5 折交叉验证（cv = 5）来评估每个 k 值下模型的性能。​

最佳模型预测与评估​

找到最优 k 值后，使用最佳模型进行预测和评估：​

best_knn = grid_search.best_estimator_​
y_pred = best_knn.predict(X_test)​
accuracy = accuracy_score(y_test, y_pred)​
print(f"调优后模型准确率: {accuracy}")​

通过这种方式，我们可以找到在当前数据集上表现最佳的 kNN 模型。​

总结​

通过以上两个版本，我们展示了如何使用 Python 的 scikit - learn 库构建 kNN 算法。基本版本简单直接，适合快速搭建模型；调优版本通过超参数调优，能够提升模型的性能。希望本文能帮助你快速掌握 kNN 算法在 Python 中的实现。如果你想深入了解 scikit - learn 库的更多功能，可以访问官方文档：[scikit - learn 官方文档](https://scikit - learn.org/stable/) 。​