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，我会按照您的要求来回答您的问题。首先，我需要了解一下您的数据集iris_2_3.txt的格式，以及您使用的编程语言。假设您使用的是Python，并且您的数据集为csv格式，那么下面是一个可能的解决方案：

import csv
import random
from sklearn.ensemble import AdaBoostClassifier
from sklearn.metrics import accuracy_score

# 读取数据集
data = []
with open('iris_2_3.txt', 'r') as f:
    reader = csv.reader(f)
    for row in reader:
        data.append(row)

# 随机排列数据集
random.shuffle(data)

# 划分训练集和测试集
train_data = data[:80]
test_data = data[80:]

# 分离特征和标签
train_x = [list(map(float, row[:-1])) for row in train_data]
train_y = [int(row[-1]) for row in train_data]
test_x = [list(map(float, row[:-1])) for row in test_data]
test_y = [int(row[-1]) for row in test_data]

# 训练和测试分类器
for n_estimators in [5, 10, 15, 20, 25, 30]:
    clf = AdaBoostClassifier(n_estimators=n_estimators)
    clf.fit(train_x, train_y)
    pred_y = clf.predict(test_x)
    acc = accuracy_score(test_y, pred_y)
    print('n_estimators=%d, accuracy=%.2f%%' % (n_estimators, acc*100))

以上代码使用了sklearn库中的AdaBoostClassifier分类器，并且通过循环尝试不同的迭代次数来训练和测试分类器。请注意，以上代码仅供参考，具体实现方式可能需要根据您的具体情况进行调整。