机器学习决策树实例代码
时间: 2023-10-11 16:12:48 浏览: 62
决策树是一种常见的机器学习算法,可以用于分类和回归问题。下面是一个简单的决策树分类器的例子:
```python
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
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
```
这段代码使用了scikit-learn库(sklearn)中的DecisionTreeClassifier类来创建并训练了一个决策树分类器。首先,我们加载了鸢尾花数据集,并将其拆分成训练集和测试集。然后,我们通过调用fit()方法来训练模型,使用predict()方法在测试集上进行预测,并使用accuracy_score()方法计算准确率。