举一个利用Scikit-learn进行分类或者预测的例子。

当然可以。Scikit-learn是一个流行的Python机器学习库，常用于数据预处理、模型选择和评估。下面是一个简单的例子，展示如何使用它来进行二分类问题的预测，比如鸢尾花数据集（Iris dataset）：

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

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 取前两个特征进行简化
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)  # 使用k=3最近邻

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集
y_pred = knn.predict(X_test)

# 评估模型性能
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")