1. 数据获取：通过python库获取鸢尾花数据集。 2. 生成随机样本或者自定义样本，基于KNN模型给出样本类别预测结果。

1. 在Python中，我们可以使用sklearn库来获取鸢尾花数据集，这是一个经典的机器学习数据集。首先，需要安装`sklearn`库，然后可以使用`load_iris()`函数加载数据。例如：

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

这里`X`是特征数据，`y`是对应的标签。

2. 要生成随机样本并基于K近邻(KNN)模型进行预测，你可以这样做：

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 随机选择部分样本
random_indices = np.random.choice(range(len(X)), size=50, replace=False)
X_random, y_random = X[random_indices], y[random_indices]

# 将数据划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

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

# 训练模型
knn.fit(X_train, y_train)

# 对随机样本进行预测
predictions = knn.predict(X_random)

print("随机样本的预测结果:", predictions)

注意，这里的随机样本仅为演示用途，实际应用中需要更多的样本进行准确预测。