用notebook实现iris分类，其中前100数据的前两个特征 from sklearn.ensemble import AdaBoostClassifier from sklearn.tree import DecisionTreeClassifier

以下是使用 AdaBoostClassifier 和 DecisionTreeClassifier 对 iris 数据集进行分类的示例代码：

from sklearn.datasets import load_iris
from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载 iris 数据集
iris = load_iris()

# 只使用前100个样本的前两个特征
X = iris.data[:100, :2]
y = iris.target[:100]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建决策树分类器作为弱分类器
dt = DecisionTreeClassifier(max_depth=1, random_state=42)

# 构建 AdaBoost 分类器，基分类器使用决策树分类器
ada = AdaBoostClassifier(base_estimator=dt, n_estimators=50, learning_rate=0.1, random_state=42)

# 训练模型
ada.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = ada.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

这段代码加载 iris 数据集，并只使用前100个样本的前两个特征。然后，将数据集划分为训练集和测试集，并使用决策树分类器构建 AdaBoost 分类器。最后，在测试集上进行预测，并计算准确率。