我想将adaboost的基分类器换成ngboost，以iris为例给出代码

好的，以下是使用 ngboost 替换 adaboost 的 iris 分类代码示例：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from ngboost import NGBClassifier
from ngboost.learners import default_tree_learner
from ngboost.distns import k_categorical
from ngboost.scores import LogScore

# 加载数据集
iris = load_iris()
X, y = iris.data, 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=0.2, random_state=42)

# 使用 ngboost 进行分类
ngb = NGBClassifier(
    Base=default_tree_learner, 
    Dist=k_categorical(3), 
    Score=LogScore(),
    n_estimators=100,
    learning_rate=0.01,
    verbose=False
)

ngb.fit(X_train, y_train)
y_pred = ngb.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy:.3f}")

在这个例子中，我们使用了 `NGBClassifier` 类来替换了 `AdaBoostClassifier` 类。`NGBClassifier` 类需要指定三个参数：`Base`，`Dist` 和 `Score`。

- `Base`：指定基学习器，默认为决策树学习器。
- `Dist`：指定预测输出的分布类型，默认为高斯分布。
- `Score`：指定评估损失的函数，默认为对数损失函数。

在本例中，我们使用了默认的基学习器和对数损失函数，并将预测输出分布设置为多分类分布。

最后，我们训练模型并计算准确率。