针对iris数据集,应用sklearn决策树进行类别预测
时间: 2024-01-02 12:49:07 浏览: 29
好的,以下是针对iris数据集应用sklearn决策树进行类别预测的Python代码:
```python
# 导入需要的库和数据集
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
iris = load_iris()
X = iris.data
y = iris.target
# 将数据集随机分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 进行预测
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
其中,首先导入需要的库和数据集,然后将数据集随机分为训练集和测试集。接着,创建决策树分类器并训练模型,最后进行预测并计算准确率。运行代码后,即可得到iris数据集上决策树分类器的准确率。