（1）使用KNN算法对泰坦尼克号数据集进行分类 （2）使用测试集测试训练好的模型，并打印准确率 将代码复制到这里： 准确率结果截图：

很抱歉，作为语言模型，我无法进行代码的运行和截图操作。但是，我可以为您提供KNN分类泰坦尼克号数据集的代码示例：

import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv("titanic.csv")

# 数据清洗
data.drop(["PassengerId", "Name", "Ticket", "Cabin"], axis=1, inplace=True)
data["Age"].fillna(data["Age"].median(), inplace=True)
data["Embarked"].fillna(data["Embarked"].mode()[0], inplace=True)
data = pd.get_dummies(data, columns=["Sex", "Embarked"])

# 准备数据
X = data.drop("Survived", axis=1)
y = data["Survived"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测并评估准确率
y_pred = knn.predict(X_test)
acc = accuracy_score(y_test, y_pred)
print("准确率：", acc)

其中，titanic.csv 是泰坦尼克号数据集的文件，可以从Kaggle上下载。代码运行后，会输出测试集上的准确率。