请完成1.3节的实训练习：编写程序，使用scikit-learn库 对鸢尾花样本进行分类

好的，让我们按照1.3节的要求，使用Python的scikit-learn库来对鸢尾花数据集进行分类。首先，我们需要加载鸢尾花数据并分割为训练集和测试集，然后选择一个分类算法（如决策树、支持向量机等），训练模型并评估其性能。这里我将以决策树为例：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data  # 特征
y = iris.target  # 类别标签

# 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)

# 初始化决策树分类器
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"决策树分类器的准确率为：{accuracy * 100:.2f}%")

# 可视化决策树（如果需要）
# from sklearn.tree import export_graphviz
# export_graphviz(clf, out_file='tree.dot', feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True)