（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

好的，我来给你讲解一下KNN算法对泰坦尼克号数据集进行分类的过程。

首先，我们需要先导入需要用到的库和数据集：

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

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

接下来，我们需要对数据集进行处理，包括缺失值处理、特征提取、特征归一化等操作。这里我们只针对一些重要的特征进行处理，具体代码如下：

# 处理Age缺失值
data['Age'] = data['Age'].fillna(data['Age'].median())

# 处理Embarked缺失值
data['Embarked'] = data['Embarked'].fillna('S')

# 特征提取
data = data[['Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare', 'Embarked']]
data['Sex'] = data['Sex'].map({'male': 0, 'female': 1})
data['Embarked'] = data['Embarked'].map({'S': 0, 'C': 1, 'Q': 2})

# 特征归一化
data = (data - data.min()) / (data.max() - data.min())

接着，我们将数据集分为训练集和测试集，并训练KNN分类器：

# 分割数据集
train, test = train_test_split(data, test_size=0.2)

# 训练KNN分类器
knn = KNeighborsClassifier()
knn.fit(train.iloc[:, 1:], train.iloc[:, 0])

最后，我们使用测试集测试训练好的模型，并打印准确率：

# 测试模型
predict = knn.predict(test.iloc[:, 1:])
accuracy = accuracy_score(test.iloc[:, 0], predict)
print('准确率为：', accuracy)

完整代码如下：

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

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

# 处理Age缺失值
data['Age'] = data['Age'].fillna(data['Age'].median())

# 处理Embarked缺失值
data['Embarked'] = data['Embarked'].fillna('S')

# 特征提取
data = data[['Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare', 'Embarked']]
data['Sex'] = data['Sex'].map({'male': 0, 'female': 1})
data['Embarked'] = data['Embarked'].map({'S': 0, 'C': 1, 'Q': 2})

# 特征归一化
data = (data - data.min()) / (data.max() - data.min())

# 分割数据集
train, test = train_test_split(data, test_size=0.2)

# 训练KNN分类器
knn = KNeighborsClassifier()
knn.fit(train.iloc[:, 1:], train.iloc[:, 0])

# 测试模型
predict = knn.predict(test.iloc[:, 1:])
accuracy = accuracy_score(test.iloc[:, 0], predict)
print('准确率为：', accuracy)

希望可以帮助到你！