糖尿病数据集决策树代码

以下是使用Python中的Scikit-learn库实现糖尿病数据集决策树的示例代码：

# 导入所需库和数据集
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_squared_error

# 加载数据集
diabetes = load_diabetes()

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(diabetes.data, diabetes.target, test_size=0.2, random_state=42)

# 创建决策树模型
tree_reg = DecisionTreeRegressor(max_depth=5, random_state=42)

# 训练模型
tree_reg.fit(X_train, y_train)

# 预测测试集结果
y_pred = tree_reg.predict(X_test)

# 计算模型均方误差
mse = mean_squared_error(y_test, y_pred)
print("模型均方误差为：", mse)

代码中使用了Scikit-learn库中的DecisionTreeRegressor类来创建决策树模型，并用糖尿病数据集进行训练和测试。在实际使用中，可以根据需要调整决策树的参数以获得更好的性能。