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?
#?獲取訓練數據
iris=load_iris（）#導入數據
#樣本數據150*4二維數據，代表150個樣本，
#每個樣本4個屬性分別為花瓣和花萼的長、寬
data=iris.data
target=iris.target##長150的以為數組，樣本數據的標簽
target_names=iris.target_names#[‘setosa‘?‘versicolor‘?‘virginica‘]
feature_names=iris.feature_names#屬性名稱
#將數據集轉為dataframe類型，列明為屬性名稱
features=Dataframe（data=datacolumns=feature_names）?
#?訓練數據取130條???總數據150條???
X_train=features.iloc[0:1302:4]#取130行，數據集后兩列作為訓練集
y_train=target[:130]#前130行標簽
#?測試數據取20條???總數據150條
x_test=features.iloc[130:2:4]#后20行為測試集
y_test=target[130:]#后20行的標簽
#display（X_train.shapey_train.shapex_test.shapey_test.shape）
#顯示訓練集和測試集的大小
knn=KNeighborsClassifier（）#建立模型
knn.fi