用Jupyte将鸢尾花数据集进行Ada Boost分类，要求给出示例代码

以下是使用Jupyter将鸢尾花数据集进行Ada Boost分类的示例代码：

# 导入必要的库
from sklearn.datasets import load_iris
from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()

# 准备数据
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 创建AdaBoost分类器
ada_clf = AdaBoostClassifier(DecisionTreeClassifier(max_depth=1), n_estimators=200, learning_rate=0.5)

# 训练分类器
ada_clf.fit(X_train, y_train)

# 预测测试集
y_pred = ada_clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

此示例代码中，我们从sklearn库中导入了鸢尾花数据集，然后准备了数据，并将其分为训练集和测试集。然后，我们创建了AdaBoost分类器并对其进行训练。最后，我们使用预测测试集来计算分类器的准确率。