问题遇到的现象和发生背景
编程要求
根据提示，补充代码，需要按照要求生成数据，并使用train_test_split函数将生成的数据分割为训练数据与测试数据。之后创建一个K近邻分类器，使用训练数据训练后，计算该分类器在测试数据上所预测的输出有几个是正确的。
测试说明
输入说明：输入由三行组成，每行由一个数组成，第一行表示要生成的数据组数，第二行表示生成的数据一共有几种类别，第三行为一共浮点数，表示数据的噪音。
输出说明，由一行组成，表示分类器在测试数据上所预测的输出的正确数量。
注意事项：
生成数据时需要使用make_classification函数，n_samples，n_classes和flip_y等参数的值为程序的输入值，n_informative参数值要求为20，n_redundant参数要求值为0，random_state参数值要求为1，要求其他参数均使用默认参数。
train_test_split函数的random_state参数值要求为1。
K均值分类器也要求均使用默认参数。
用代码块功能插入代码，请勿粘贴截图
# -*- coding: utf-8 -*-
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
# 请在此添加代码
#
# ********** Begin *********#
# ********** End **********#
