使用sklearn实现一个简单的分类算法，python代码

好的，以下是一个使用sklearn实现的简单的分类算法的Python代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 加载鸢尾花数据集
iris = load_iris()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 使用KNN分类算法
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测测试集的标签
y_pred = knn.predict(X_test)

# 输出分类准确率
print("测试集分类准确率：", knn.score(X_test, y_test))

这个代码使用sklearn中的KNN算法对鸢尾花数据集进行分类。首先，使用`load_iris()`函数加载数据集。然后，使用`train_test_split()`函数将数据集分为训练集和测试集。接着，使用`KNeighborsClassifier()`函数创建一个KNN分类器，并使用训练集训练该分类器。最后，使用`predict()`函数对测试集进行预测，并使用`score()`函数计算分类准确率。