如果用决策树进行鸢尾花分类，核心代码块应如何编写

以下是使用决策树进行鸢尾花分类的核心代码块示例：

# 导入必要的库
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()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

# 创建决策树分类器
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试数据
y_pred = clf.predict(X_test)

# 打印准确率
print("Accuracy:", clf.score(X_test, y_test))

在这个示例中，我们首先使用`load_iris()`函数加载鸢尾花数据集。然后，我们使用`train_test_split()`函数将数据集划分为训练集和测试集。接下来，我们创建一个`DecisionTreeClassifier`对象作为分类器，并使用训练集对其进行训练。最后，我们使用测试集进行预测，并计算准确率。