SKLearn库实现数据集分类（数据集使用datasets类中任一数据集）

SKlearn是一个流行的Python机器学习库，它提供了一系列用于数据预处理、特征选择、模型训练和评估的工具。对于数据集分类，你可以使用其中的监督学习算法，例如决策树（DecisionTreeClassifier）、随机森林（RandomForestClassifier）或者支持向量机（SVC）等。

以下是一个基本的例子，假设我们要用Iris数据集（iris dataset）来进行分类，这个数据集包含了三种花卉的不同测量值，我们使用KNN（K-Nearest Neighbors）作为分类器：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report

# 加载Iris数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建KNN分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集
predictions = knn.predict(X_test)

# 输出分类报告
print(classification_report(y_test, predictions))