（1）使用KNN算法对泰坦尼克号数据集进行分类 （2）使用测试集测试训练好的模型，并打印准确率

好的，我来为您介绍如何使用KNN算法对泰坦尼克号数据集进行分类。

首先，我们需要导入所需的库和数据集。这里我使用的是Python的scikit-learn库自带的泰坦尼克号数据集。代码如下：

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

titanic = load_titanic()
X = titanic.data
y = titanic.target

然后，我们对数据集进行训练集和测试集的划分。这里我将数据集划分为70%的训练集和30%的测试集。代码如下：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

接下来，我们创建一个KNN分类器，并使用训练集对其进行训练。这里我选择的K值为5。代码如下：

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

最后，我们使用测试集对训练好的模型进行测试，并打印出准确率。代码如下：

y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("准确率为：{:.2f}%".format(accuracy*100))

完整代码如下：

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

titanic = load_titanic()
X = titanic.data
y = titanic.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("准确率为：{:.2f}%".format(accuracy*100))

希望能对您有所帮助！