python 决策树二分类

使用Python进行决策树的二分类可以使用scikit-learn库中的DecisionTreeClassifier模块。下面是一个简单的示例代码：

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[:, 2:]  # 取后两个特征
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=0.2)

# 创建决策树分类器
clf = DecisionTreeClassifier(max_depth=2)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

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

在这个示例中，我们使用了鸢尾花数据集，取了其中的后两个特征，并使用了`train_test_split`函数将数据集划分为训练集和测试集。然后，我们使用`DecisionTreeClassifier`创建了一个决策树分类器，并使用`fit`函数训练了模型。最后，我们使用`predict`函数对测试集进行预测，并使用`score`函数计算了模型的准确率。