决策树分类python代码_分类算法-决策树 Decision Tree

以下是一个简单的决策树分类的Python代码示例：

from sklearn import tree

# 定义特征和标签
features = [[140, 1], [130, 1], [150, 0], [170, 0]]
labels = [0, 0, 1, 1]

# 训练决策树模型
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)

# 预测新数据
print(clf.predict([[160, 0]]))

这个代码示例中，我们定义了一个由两个特征组成的数据集和对应的标签。然后使用Scikit-learn库中的DecisionTreeClassifier类来训练决策树模型，并用训练好的模型预测新数据。在这个例子中，我们预测一个重量为160克、颜色为红的水果是什么类型。输出结果为1，表示这是一个橙子。