有鸢尾花数据一套，数据为irisiris.zip，包括150条记录，第一列sepal length (cm)，第二列为sepal width (cm)，第三列petal length (cm)，第四列petal width (cm)，第五列target ，第六列targetname。 为本次作业旨在根据花瓣宽度、花瓣长度、花萼宽度、花萼长度4个特征实现对鸢尾花类别的精准预测，主要考察学生对于分类算法的理解和应用。 具体要求： （1）选择合理的三分类拆解方式，在逻辑回归、k-NN、SVM、决策树中实现2种分类器，合理的确定超参数，并选定合理的评价指标分析分类器性能。 （2）实现一种集成的分类器，并选定合理的评价指标分析分类器性能。 （3）计算分类器的AUC。（利用python实现）

好的，这是一个分类问题，需要使用监督学习算法来解决。以下是解决这个问题的一些步骤：

1. 加载数据：使用Python中的pandas库将数据读入DataFrame中，然后将数据集拆分为训练集和测试集。

2. 数据预处理：使用sklearn中的preprocessing库对数据进行预处理，包括数据规范化和特征缩放等步骤。

3. 模型训练：选择逻辑回归、k-NN、SVM、决策树等算法中的两种，使用训练集对其进行训练，并使用测试集进行评估。

4. 超参数调整：使用交叉验证等技术选择合适的超参数。

5. 模型评估：选择合适的评价指标，比如准确率、召回率、F1分数等，来评估模型性能。

6. 实现集成分类器：使用集成学习算法，如随机森林、AdaBoost等来实现集成分类器。

7. 计算AUC：使用sklearn库计算分类器的AUC。

下面是代码示例：