python实现决策树算法全部源代码

Python 实现决策树算法通常会使用 Scikit-Learn 库，它是一个广泛使用的机器学习库，其中包含了一个名为 `DecisionTreeClassifier` 的简单易用的决策树分类器。下面是一个基本的例子，展示如何创建并训练一个简单的决策树模型：

# 导入所需的库
from sklearn import tree
import pandas as pd

# 假设你有一个名为 'data.csv' 的数据集，包含特征列 X 和目标变量 y
df = pd.read_csv('data.csv')

# 提取特征和目标变量
X = df.drop('target_column', axis=1) # 替换 'target_column' 为实际的目标变量名
y = df['target_column']

# 创建 DecisionTreeClassifier 对象
clf = tree.DecisionTreeClassifier()

# 拆分数据集为训练集和测试集（这里假设 80% 数据用于训练）
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 预测
predictions = clf.predict(X_test)

# 打印决策树结构 (仅适用于小型数据集)
import graphviz
dot_data = tree.export_graphviz(clf, out_file=None)  
graph = graphviz.Source(dot_data)  
graph.view()  # 如果安装了 Graphviz，可以查看树状图