以下是一个使用SciKit Learn来进行预测并获取标签的示例代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

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

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 使用模型进行预测
y_pred = model.predict(X_test)

# 获取预测标签
predicted_labels = [iris.target_names[prediction] for prediction in y_pred]

print(predicted_labels)

这段代码使用SciKit Learn中的逻辑回归模型对鸢尾花数据集进行训练和预测。y_pred是一个包含预测结果的数组，其中每个元素都是一个整数，表示对应样本的预测标签。我们通过iris.target_names将这些整数转换为具体的标签名称，并存储在predicted_labels中。

最后，我们打印predicted_labels以查看预测的标签结果。