问题： 在使用Anaconda上安装了scikit-learn（sklearn）库后，如何使用该库进行机器学习任务？

解决方法： 以下是一个使用Anaconda上安装的sklearn库进行机器学习任务的示例代码：

首先，确保已经安装了Anaconda，并在命令行上验证了sklearn库的安装。

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建kNN分类器并进行训练
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

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

# 打印预测结果和真实标签
print("预测结果：", y_pred)
print("真实标签：", y_test)

# 计算准确率
accuracy = np.sum(y_pred == y_test) / len(y_test)
print("准确率：", accuracy)

此示例代码演示了使用sklearn库中的kNN分类器进行鸢尾花数据集的分类任务。首先，通过datasets.load_iris()加载鸢尾花数据集。然后，使用train_test_split()函数将数据集划分为训练集和测试集。接下来，创建kNN分类器对象，并使用训练集进行训练。最后，使用测试集进行预测，并计算准确率。

请确保在运行代码之前已经安装了Anaconda，并使用Anaconda命令行验证了sklearn库的安装。