Considere o código em Python abaixo que será executado em condições ideais.

from sklearn.datasets import load_iris
from sklearn.model selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
iris = load_iris()
X = iris.data
y = iris.target

_I_

knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
y pred = knn.predict(X_test)
accuracy = accuracy score(y_test, y_pred)
print (f"Acurácia do modelo: {accuracy * 100:.2f}%")

Para que o programa divida o conjunto de dados em treino e teste na proporção de 80% treino e 20% teste, a lacuna I deve ser corretamente preenchida por: