决策树python代码

以下是一个使用Python实现的决策树的示例代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建决策树模型
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 输出准确率
print("Accuracy:", clf.score(X_test, y_test))

以上代码使用sklearn库中的决策树分类器来实现决策树模型。首先加载Iris数据集，然后将其划分为训练集和测试集。接着创建一个决策树分类器对象clf，并使用训练集拟合模型。最后，使用测试集进行预测，并输出准确率。