cart决策树算法python实现

以下是使用Python实现CART决策树的代码示例：

from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
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CART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)

# 计算准确率
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)

在这个示例中，我们使用sklearn库中的`DecisionTreeClassifier`类来创建CART决策树模型，并使用鸢尾花数据集进行训练和测试。训练完成后，我们计算模型的准确率并输出结果。