diff --git a/PROGRAMAS DE PYTHON/prediccion.py b/PROGRAMAS DE PYTHON/prediccion.py
new file mode 100644
index 0000000..1e29566
--- /dev/null
+++ b/PROGRAMAS DE PYTHON/prediccion.py	
@@ -0,0 +1,28 @@
+from sklearn.datasets import load_iris
+from sklearn.model_selection import train_test_split
+from sklearn.neighbors import KNeighborsClassifier
+from sklearn.metrics import accuracy_score
+
+# Paso 1: Cargar el conjunto de datos
+iris = load_iris()
+X = iris.data
+y = iris.target
+
+# Paso 2: Dividir el conjunto de datos en conjuntos de entrenamiento y prueba
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+
+# Paso 3: Crear y entrenar el modelo
+clf = KNeighborsClassifier(n_neighbors=3)
+clf.fit(X_train, y_train)
+
+# Paso 4: Realizar predicciones
+y_pred = clf.predict(X_test)
+
+# Paso 5: Evaluar el rendimiento del modelo
+precision = accuracy_score(y_test, y_pred)
+print("Precisión del modelo:", precision)
+
+# Paso 6: Utilizar el modelo para hacer predicciones nuevas
+nuevas_caracteristicas = [[5.1, 3.5, 1.4, 0.2]]  # Nuevas características de una flor
+prediccion = clf.predict(nuevas_caracteristicas)
+print("Predicción:", iris.target_names[prediccion])