使用西瓜数据集2.0完成完整决策树代码

在Python中，我们通常使用scikit-learn库来创建决策树模型，包括使用西瓜数据集（西瓜2.0）。这里是一个简单的示例，展示如何使用Pandas加载数据、预处理数据并训练决策树分类器：

# 导入所需库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载西瓜数据集（假设它是一个CSV文件）
url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/fruit.data"
data = pd.read_csv(url)

# 定义特征列和目标变量
X = data.drop('class', axis=1)  # 特征
y = data['class']  # 目标变量

# 数据分割（70%训练，30%测试）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

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

# 训练模型
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 评估模型性能
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

# 示例代码到此结束，你可以使用`export_graphviz`方法可视化决策树结构，但那不在这个代码片段中。