使用Scikit-learn和GBDT的实例

概述：
在机器学习中，Scikit-learn是一个广泛使用的Python库，提供了丰富的工具和算法来应用于各种机器学习任务。其中，梯度提升决策树（Gradient Boosting Decision Tree，GBDT）是一种强大的集成学习算法，通过迭代训练决策树来提高预测性能。在本篇文章中，我们将使用Scikit-learn库和GBDT算法来解决一个分类问题，并提供相关的源代码。

数据集：
我们将使用一个经典的示例数据集，即鸢尾花数据集（Iris dataset）。这个数据集包含了150个样本，每个样本有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度），以及一个目标变量（鸢尾花的类别）。目标变量有三个可能的类别：Setosa、Versicolor和Virginica。

代码实现：
首先，我们需要导入必要的库和模块，并加载鸢尾花数据集。

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.