单元二
第5课 KNeighborsClassifier 与鸢尾花
一、任务目标
用近邻算法给鸢尾花「投票」分类。
二、核心概念讲清楚
K 近邻（KNN）：看新点周围 k 个最近样本，多数类别就是预测。k=1 就是「最近的一个说了算」。
KNeighborsClassifier(n_neighbors=k)- 距离近的样本更有话语权（投票）
- 特征量纲差太大时，后面要学标准化
1加载/准备数据如 load_iris
2划分训练测试留出考卷
3创建 KNN 并 fit在训练集学习
4predict 测试集看猜对多少
三、跟着想一遍（小例子）
k=1 时，新点会完全跟随最近邻居的标签；k=3 时看三个邻居投票。
易错：k 选得过大，边界被抹平；或测试集参与了训练。
正确：先从小 k 试起，并用测试集评估。
想一想：班里按「座位最近的人」投票选组长，和 KNN 哪里像？
四、解题思路
任务：用近邻算法给鸢尾花「投票」分类。 先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。
本课主要用到：屏幕输出。
- 1明确任务「用近邻算法给鸢尾花「投票」分类。」：运行后你希望看到什么结果（文字、图形或计算结果）。
- 2用 print 把结果说出来，确认屏幕上出现预期内容。
- 3对照参考代码跑通后，只改一个参数，观察结果如何变化。
流程示意（可对照左侧文字）
五、语句功能讲解
本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。
六、知识点讲解
特征是从原始数据里抽出、对判断有用的量；标签是我们想预测的答案。分类就是根据特征给样本贴标签。特征选不好，后面模型再复杂也难做好。
先弄清本课输入与输出，再进编程练习对照现象。
七、编程练习
先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。
对比前5个预测与真实标签。
参考代码（对照抄写到下方 Mixly）
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.25, random_state=0
)
clf = KNeighborsClassifier(n_neighbors=3)
clf.fit(X_train, y_train)
pred = clf.predict(X_test[:5])
print("前5个预测:", list(pred))
print("前5个真实:", list(y_test[:5]))
正在载入编程环境
正在载入 Mixly 文本编程环境…
八、课堂练习
先完成两道正误判断，再做其余题目；选出后点「检查」。
判断：只抄参考代码，不看运行输出，也不改参数验证。
判断：先跑通，再对照「单元二」改一处输入/参数，确认输出按预期变化；答错小测时读讲解。
KNeighborsClassifier 做的是？
n_neighbors=5 表示？
九、本节小结
KNN 用「近朱者赤」投票。