在Scikit-learn中，可以使用KNeighborsClassifier類來實現K最近鄰算法。以下是一個簡單的示例代碼：
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加載數據集
iris = load_iris()
X = iris.data
y = iris.target
# 劃分數據集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 創建K最近鄰分類器
knn = KNeighborsClassifier(n_neighbors=3)
# 擬合模型
knn.fit(X_train, y_train)
# 預測
y_pred = knn.predict(X_test)
# 計算準確率
accuracy = accuracy_score(y_test, y_pred)
print("準確率：", accuracy)
在上面的代碼中，首先加載了鳶尾花數據集，然后將數據集劃分為訓練集和測試集。接著創建了一個KNeighborsClassifier對象，并使用fit()方法擬合模型。最后使用predict()方法進行預測，并計算準確率。
