python决策树sklearn完整例子

以下是一个基于sklearn的Python决策树完整例子：

# 导入需要的库和模块
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()

# 将数据集分割成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 定义决策树分类器，并进行训练
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 使用训练好的决策树进行预测
y_pred = clf.predict(X_test)

# 计算分类器的准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy * 100))

这个例子展示了如何使用sklearn训练一个决策树分类器，并用它来进行预测。然后，我们计算了分类器在测试集上的准确率。