（1）给定数据集：iris_2_3.txt，用random.shuffle()函数随机排列数据集顺序，将前80个样本做训练集，后20个样本做测试集，用adaboost分类器，按照迭代次数分别是5、10、15、20、25、30分别训练样本并求出测试样本的准确率。

好的，那么首先我们需要加载所需的库和数据集。可以使用以下代码：

import random
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import AdaBoostClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data[:, 2:]
y = iris.target

# 随机打乱数据集
random.seed(42)
shuffle_index = list(range(len(X)))
random.shuffle(shuffle_index)
X = X[shuffle_index]
y = y[shuffle_index]

# 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)

# 打印训练集和测试集的样本数量
print("训练集样本数量：", len(X_train))
print("测试集样本数量：", len(X_test))

接下来，我们可以使用 AdaBoostClassifier 进行分类器训练和测试，并统计准确率。代码如下：

# 定义 AdaBoost 分类器
ada_clf = AdaBoostClassifier(n_estimators=5, algorithm="SAMME.R", learning_rate=0.5, random_state=42)

# 训练分类器
ada_clf.fit(X_train, y_train)

# 在测试集上测试分类器
y_pred = ada_clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("迭代次数为5时，测试集准确率为：", accuracy)

# 迭代次数为10时
ada_clf = AdaBoostClassifier(n_estimators=10, algorithm="SAMME.R", learning_rate=0.5, random_state=42)
ada_clf.fit(X_train, y_train)
y_pred = ada_clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("迭代次数为10时，测试集准确率为：", accuracy)

# 迭代次数为15时
ada_clf = AdaBoostClassifier(n_estimators=15, algorithm="SAMME.R", learning_rate=0.5, random_state=42)
ada_clf.fit(X_train, y_train)
y_pred = ada_clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("迭代次数为15时，测试集准确率为：", accuracy)

# 迭代次数为20时
ada_clf = AdaBoostClassifier(n_estimators=20, algorithm="SAMME.R", learning_rate=0.5, random_state=42)
ada_clf.fit(X_train, y_train)
y_pred = ada_clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("迭代次数为20时，测试集准确率为：", accuracy)

# 迭代次数为25时
ada_clf = AdaBoostClassifier(n_estimators=25, algorithm="SAMME.R", learning_rate=0.5, random_state=42)
ada_clf.fit(X_train, y_train)
y_pred = ada_clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("迭代次数为25时，测试集准确率为：", accuracy)

# 迭代次数为30时
ada_clf = AdaBoostClassifier(n_estimators=30, algorithm="SAMME.R", learning_rate=0.5, random_state=42)
ada_clf.fit(X_train, y_train)
y_pred = ada_clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("迭代次数为30时，测试集准确率为：", accuracy)

其中，我们使用了 AdaBoostClassifier 类来定义 AdaBoost 分类器，其中 n_estimators 表示迭代次数，algorithm 表示使用的算法，learning_rate 表示学习率，random_state 表示随机数种子，用于保证结果的可重复性。然后，我们在训练集上训练分类器，然后在测试集上测试分类器，最后计算准确率并输出结果。