决策树算法的minist识别手写数字代码

以下是使用决策树算法对MNIST数据集进行手写数字识别的Python代码示例：

import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split

# 加载MNIST数据集
mnist = fetch_openml('mnist_784')
X = mnist.data.astype('float32')
y = mnist.target.astype('int')

# 将像素值缩放到0~1之间
X /= 255.0

# 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)

# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 在测试集上评估模型性能
accuracy = clf.score(X_test, y_test)
print('Accuracy:', accuracy)

在这个代码示例中，我们使用`fetch_openml`函数加载MNIST数据集，并将数据集拆分为训练集和测试集。然后，我们训练一个决策树模型，并使用`score`方法在测试集上评估模型性能。最终输出模型的准确率。