给一段机器学习的代码

好的，以下是一个使用Scikit-learn库实现机器学习的分类器的代码示例：

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集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=0.3, random_state=1)

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

# 训练模型
knn.fit(X_train, y_train)

# 预测测试集的结果
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = knn.score(X_test, y_test)
print("Accuracy:", accuracy)

该代码使用Iris数据集作为示例数据集，首先将数据集划分为训练集和测试集，然后使用KNN算法训练分类器，最后计算分类器在测试集上的准确率。