数据的图像化输出入下：

K从1~15变化时错误率的变化如下

预测鸢尾花的种类的错误率随着K取1-15的变化如下。

可以发现的是，对于不同的数据集，相同的K的效果是大不一样的，这和数据集本身的结构特征有关系。但是大体上来看k并不是说越大越好，一般来说k在3~5附近就能有一个不错的效果。

KNN算法作为一个非常朴素的算法，是非常基础的。但是通过本次实验来看，KNN算法虽然非常基础，但是并不是说基础就不好，KNN算法作为一个基础的算法也能达到一个非常高的准确率。此外，利用Python的面向对象的特点对KNN模型进行打包之后，KNN的实现是一个非常容易的操作。KNN算法中，K的选择更偏向去实验性，启发性，没有特定的规律而言。