python决策树代码

当然，我可以帮你提供一个简单的 Python 决策树代码示例。以下是一个使用 scikit-learn 库中的 DecisionTreeClassifier 类的基本示例：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集拆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)

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

# 在训练集上训练决策树模型
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)

以上代码使用鸢尾花数据集（iris）作为示例数据。它将数据集拆分为训练集和测试集，然后使用决策树分类器进行训练和预测，并计算准确率。

请注意，这只是一个简单的示例，实际应用中可能需要更多的数据预处理和参数调整。此外，还可以通过设置决策树的参数来改变模型的行为，例如设置最大深度、最小样本拆分数等。