决策树python语言程序

决策树是一种常用的数据挖掘和机器学习算法，它模拟人类做决策的过程，通过构建一棵树状模型来预测结果。Python中常用的库如`scikit-learn`提供了决策树的实现，用于分类和回归任务。以下是一个简单的决策树创建示例：

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

# 假设我们有一个简单的数据集
data = {
    'feature1': ['A', 'B', 'C', 'A', 'B', 'C'],
    'feature2': [1, 2, 3, 2, 3, 1],
    'target': ['yes', 'no', 'yes', 'yes', 'no', 'no']
}
df = pd.DataFrame(data)

# 划分特征和目标变量
X = df[['feature1', 'feature2']]
y = df['target']

# 使用决策树模型
clf = tree.DecisionTreeClassifier()
clf.fit(X, y)

# 预测新数据
new_data = [[2, 1], [3, 2]]  # 示例的新输入
predictions = clf.predict(new_data)

# 打印预测结果
for i, prediction in enumerate(predictions):
    print(f"实例 {i+1} 的预测结果是: {prediction}")